Kutatási beszámoló OFA K-2008/F-8341
Torzítanak-e a diplomások bérelőnyére vonatkozó adatok? A szürke- és feketegazdaság bérstatisztikára gyakorolt torzító hatásainak elemzése
Budapest 2010. március 31.
Szerkesztette és a kutatást vezette Köllő János A tanulmányokat írták Benedek Dóra Elek Péter Kapitány Zsuzsa Kiss Áron Köllő János Molnár György Szabó Péter András
Közreműködött Bajnai Blanka Bálint Mónika Szabó Zsuzsanna
Vezetői összefoglaló Nemzetközi összehasonlításban a diplomával rendelkezők kereseti illetve jövedelmi előnye magasnak számít Magyarországon. Ennek egyik oka lehet, hogy a diplomások és a nemdiplomások körében eltérő a teljes vagy részleges jövedelemeltitkolás mértéke, ami – ha megfigyelhetnénk - módosítaná a statisztikákat. A kötet tanulmányai a rejtett jövedelmeket közvetett úton figyelembe véve vizsgálják a diplomások érettségizettekkel szembeni kereseti illetve jövedelmi előnyét. A kutatás több potenciális torzító tényezőre terjed ki: a kérdőíves felvételekben megfigyelt, de az adóhatóságnak be nem vallott munkára, a részleges keresetbejelentésre, valamint egyfelől a fogyasztás és a jövedelem közötti, másfelől a bevallott jövedelem és az elégedettség közötti – feketemunkáról árulkodó – diszparitásra. A részkutatások alapján, összességében megállapítható, hogy a rejtett munkát és jövedelmet figyelembe nem vevő (többnyire a Bértarifa-felvételen alapuló) kutatások nem túl-, hanem alulbecslik a diplomához kapcsolódó kereseti illetve jövedelmi előnyt. • A MEF-ben megfigyelt, de a nyugdíjbiztosítónak be nem jelentett munka, továbbá a Bértarifa-felvételben meg nem figyelt keresetek figyelmen kívül hagyása valóban torzítja a diplomások bérelőnyére vonatkozó becsléseket. Ez a torzítás azonban igen kis mértékű, és a figyelembe vett forgatókönyvek többségében nem kisebb, hanem nagyobb “valóságos” diplomás bérelőnyre enged következtetni. Bizonyos, szélsőséges paraméter-együttállások esetén elképzelhető, hogy a Bértarifa-felvétel adatai túlbecslik a valós diplomás bérelőnyt, de a torzítás becsült mértéke nem haladja meg az 1-4 százalékpontot. • A szürkebérezést (részleges jövedelemeltagadást) vizsgáló tanulmány szerint a viszonylag kisszámú minimálbéren bejelentett diplomás az átlagosnál nagyobb eséllyel keres a bejelentett bérénél többet, és a zsebbe kapott összeg nagyságrendje is meghaladja a nem-diplomások által kapottat. A „valódi” bérekben enyhén nagyobb a diplomások bérelőnye, mint a bejelentett bérekre felírt regressziókban, azaz a minimálbéres csalás jelensége miatt a diplomások szokásosan számított bérelőnye alulbecsült. A torzítás 6,5-9,5 százalék a nyolc általánost végzettekhez viszonyított bérelőny, és 2,5-4,5 százalék az érettségizettekhez viszonyított bérelőny esetén. • A jövedelem és a fogyasztás egybevetésén alapuló elemzés szerint a közvetlenül nem mért bevételek növelik a diplomások és nem diplomások közötti jövedelmi távolságot. A számítások szerint míg a diplomások jövedelmük 23-41%-át titkolják el, addig az annál alacsonyabb végzettségű háztartásfővel rendelkező háztartások a 8-13%-át. Vagyis a jövedelemeltitkolás nagyobb a diplomások körében, a valós jövedelmi előnyük magasabb, mint az az alapadatokból látszik. • Hasonló következtetés vonható le az elégedettség szintjét a bevallott jövedelemre kontrolláló becsléssorozatból is. A kiinduló hipotézis – mely szerint a nem mért jövedelmek
miatt a diplomások jövedelmi előnye kisebb annál, mint amit a Bértarifa-felvételen, HKF-en, Tárki-Monitoron és hasonló forrásokon alapuló kutatások sugallnak - nem igazolható, sőt nagy valószínűséggel éppen az ellenkezője áll fenn.
Tartalom
1. Összefoglalás (Köllő János)
5
2. Diplomás kereseti előny és rejtett gazdaság Magyarországon (Kiss Áron)
16
Milyen eszközei vannak a bérelőnyök vizsgálatának, milyen eredmények születtek eddig a témában?
3. A kérdőíves felvételekben megfigyelt, de be nem jelentett munkából eredő torzítás (Köllő János)
32
Mennyire elterjedt a be nem jelentett, de a KSH által megfigyelt munka a diplomások és a nem diplomások körében? Mekkora a valódi diplomás-nem diplomás bérkülönbség, ha figyelembe vesszük a feketemunka arányát és a Bértarifa-felvételbe való bekerülés esélykülönbségeit?
4 A szürkebérezés torzító hatása (Elek Péter, Szabó Péter András)
70
Milyen mértékben torzítja a szürkefoglalkoztatás jelenléte a hivatalos statisztika (Bértarifa-felvétel) diplomás – nem diplomás béradatait? A munkavállalók „igazi” bérének mikroszintű becslése a bértarifa felvétel alapján, a „double hurdle” ökonometriai technika segítségével
5. A diplomások valós jövedelmi előnye fogyasztási és jövedelmi adatok alapján (Benedek Dóra, Szabó Péter András)
92
Igazolható-e a KSH Háztartási Költségvetési Felvétele alapján, hogy a nem diplomásoknál gyakoribb a jövedelemadatokkal összhangban nem álló, rejtett jövedelmekre utaló, magas fogyasztás?
6. Elégedettségvizsgálat – alternatív módszer a méretlen jövedelem azonosítására (Molnár György, Kapitány Zsuzsa) Az egyes társadalmi csoportok esetében tapasztalható elégedettség szintje összhangban van-e az adatfelvétel során kimutatott jövedelmükkel, a jövedelemre, aktivitásra, a foglalkoztatottak esetében a foglalkozási formára, az egészségi állapotra, a háztartás stabilitását, valamint különböző, a társadalmi beágyazottságot mérő változókra kontrollálva?
109
1. ÖSSZEFOGLALÁS Köllő János A gazdasági rendszerváltás közepe-vége óta a magyar diplomások majdnem kétszer annyit keresnek, mint az érettségizettek. 2007-ben például a diplomások havi bruttó átlagkeresete 315 eFt, az érettségizetteké 169 eFt volt, ami 86 százalékos (a szakirodalomban elterjedtebb mércével számolva: 62 logaritmus pontos) nyers bérelőnyt jelentett. Nettó keresetben mérve 74 százalékos (55 log pontos) nyers előnyt mutattak a Bértarifa-felvétel adatai. Nemzetközi összehasonlításban a diplomával rendelkezők bérelőnye magasnak számít Magyarországon. Ennek egyik oka lehet azonban, hogy a diplomások és a nem-diplomások körében eltérő a teljes vagy részleges jövedelemeltitkolás mértéke, ami – ha figyelembe tudnánk venni - módosítaná a bérstatisztikákat. Kötetünk tanulmányai a jövedelem-eltitkolás legfontosabb formáiból eredő torzítás feltárására tesznek kísérletet. Az alábbiakban röviden összefoglaljuk az egyes résztanulmányokban feltett kérdéseket, az alkalmazott kutatási módszereket és a főbb eredményeket. Az összefoglaló sem az adatokkal kapcsolatos technikai részletekre, sem a hivatkozott szakirodalomi eredményekre nem tér ki. 1. 1. A be nem jelentett, de a kérdőíves felvételekben megfigyelt munka hatása A részkutatás célja Kutatási jelentésünk 3. fejezetében 1 megvizsgáljuk a hivatalos szerveknek be nem jelentett, de a kérdőíves felvételekben megfigyelt munka iskolázottság szerinti különbségeit. Ezt követően a bejelentett és be nem jelentett szolgálati időre, a Bértarifa-felvételbe való bekerülés valószínűségére és az ott megfigyelt bérekre vonatkozó adatok felhasználásával, továbbá a meg nem figyelt bérekre és bérarányokra vonatkozó, különböző feltevések alapján kísérletet teszünk a diplomások „valódi” bérelőnyének megbecslésére. A kutatás módszere Az iskolázottság kereseti hozamára vonatkozó hazai becslések szinte kivétel nélkül a Bértarifa-felvétel adatait használták és használják. Ez alapvetően három okból torzíthatja a kérdésről alkotott képet. Az alkalmazásban állók körén belül iskolázottsági fokozatonként eltérhet a Bértarifafelvételbe való bekerülés esélye, amit a továbbiakban p T -vel jelölünk.
1
A 3. fejezetben egy cím alá vonva mutatjuk be a kutatási terv két, 3. és 4. számú, szorosan összefüggő résztanulmányait.
Ugyancsak eltérhet a nyugdíjbiztosítónak bejelentett munka aránya az összes fizetett munkán belül, a Bértarifa-felvétel által lefedett körben és azon kívül is (0≤ S T ≤ 1 és 0 ≤ S NT ≤1). Végül, különbözhetnek azok a bérek, amelyeket a Bértarifa-felvétel által lefedett körben végzett bejelentett és be nem jelentett munkára (rendre w T , z T ), illetve az e körön kívüli bejelentett és be nem jelentett munkára (w NT , z NT ) fizetnek. Egy-egy iskolázottsági csoport várható „valódi” bére a fentiek figyelembe vételével az alábbi súlyozott átlaggal közelíthető:
(1)
wˆ = pT sT wT + pT (1 − sT ) zT + (1 − pT ) s NT wNT + (1 − pT )(1 − sT ) z NT
A várható kereset ( wˆ ) kiszámításához szükséges adatok egy része rendelkezésre áll, vagy megbecsülhető, más részével kapcsolatban csak feltételezésekkel élhetünk. A Bértarifa-felvételből ismert w T , továbbá a Munkaerő-felmérésben kis hibával azonosítható a Bértarifa-felvétel célsokasága (a foglalkozási viszonyra, a vállatméretre és az ágazatra vonatkozó információk alapján), így p T -re is adható becslés. A számításokban kulcsszerepet játszó s T és s NT értékeket egy speciális adatfelvételből merítjük. Magyarországon első ízben egyéni szinten vizsgáljuk, hogy a KSH Munkaerőfelmérése (MEF) szerint állásban lévő nem nyugdíjas munkavállalók közül hányan és milyen ledolgozott munkaidővel jelennek meg a nyugdíjbiztosító nyilvántartásában. Erre a KSH-nak és az ONYF-nek egy, a Nyugdíj- és Idősügyi Kerekasztal által kezdeményezett közös kutatása teremtett lehetőséget. A KSH-ONYF felvétel adatbázisából e kutatás keretében épített speciális panelben ugyanis megvizsgálható, hogy a saját közlésük szerint – egy meghatározott munkáltatónál – folyamatosan állásban lévő nem nyugdíjas egyének szerezteke 100 százalékos jogosultságot a munkaviszonyuk egy-egy évében a nyugdíjbiztosítóhoz beérkezett dokumentumok szerint, ahogy ilyen esetben várnánk. Az 1965-ig visszanyúló és 2006-ig terjedő megfigyelések szerint a bejelentett munkavégzés aránya ebben a stabil munkaviszonyban álló népességben sem haladta meg a 87-89 százalékot, és nagy számban találtunk olyanokat, akik egy vagy több évben egyáltalán nem végeztek bejelentett munkát. 2 A feketemunka után zsebbe fizetett bérekről (z T , z NT ) semmit sem tudunk, és a Bértarifafelvétel célsokaságán kívüli bérekről (w NT ) is kevés adat áll rendelkezésre, továbbá számolni kell azzal is, hogy a kisvállalati körben a bejelentett munkavállalók is zsebbe kapják a fizetésük egy részét. Ezért wˆ -t úgy becsüljük meg, hogy különféle feltevésekkel élünk
2
A bértorzítás szempontjából nem mindegy, hogy a nyugdíjbiztosítónál be nem jelentett napok mögött alapvetően fizetetlen munkaszünetek állnak-e (a biztosítotti jogviszonyt megszakító, de a munkavállaló és a munkáltató közötti kapcsolatot fenntartó szezonális kimaradások, ideiglenes elbocsátások), vagy fizetett, de az adóelkerülés szándékával be nem jelentett munkaidő. Eredményeink alapján valószínűsíthető, hogy a bejelentés elmulasztása, az adókerülés a munkaszüneteknél sokkal fontosabb szerepet játszik, a hiányzó szolgálati idő mintegy 85-90 százalékát magyarázza.
egyfelől w NT -nek w T -hez, másfelől pedig z T -nek és z NT -nek a hivatalos bérekhez viszonyított arányáról. Az (A) verzióban elfogadjuk a kisvállalati nettó bérek relatív nagyságáról rendelkezésünkre álló becslést (mely szerint 2006-ban w NT =0.67w T ). A (B) verzióban feltesszük, hogy a kisvállalatok és a Tarifa-célsokaság közötti nettóbér különbség látszólagos, azt teljes mértékben a szürkebérezés okozza, valójában w NT =w T . Mindkét verzióban számolunk azzal a lehetőséggel, hogy a fekete munkára fizetett nettó bér kisebb vagy nagyobb is lehet a fehér munkán megkereshető nettó bérnél. A meg nem figyelt z T , z NT bérekről feltesszük, hogy azok a megfigyelt béreknek rendre 80, 100, illetve 120 százalékára rúgnak. Az (A) verzióban tehát z T =αw T és z NT = αz NT = 0.67αw T , a (B) verzióban pedig z T = z NT =αw T , ahol α∈(0.8, 1, 1.2). A meg nem figyelt, vagy gyanúnk szerint hibásan mért bérekre tett feltevések természetesen nagyon erősek, de éppen azért dolgozunk ilyen széles határokkal és szélsőséges feltevésekkel, mert célunk az eredmények robosztusságának ellenőrzése: annak megállapítása, hogy azok mennyire érzékenyek az adatokkal alá nem támasztható feltételezések változtatására. Eredmények A diplomások összességét tekintve azt látjuk, hogy a Bértarifa-felvétel adatai – az alkalmazott kiegészítő feltevésektől függően - minimális torzítással, híven tükrözik, vagy kismértékben alábecslik az alternatív kereseti lehetőségek figyelembe vételével kalkulált diplomás bérelőnyt. A megfigyelt béradatok a főiskolát végzettek kereseti előnyét csak abban az esetben becslik túl, ha a kisvállalatok bérhátránya látszólagos, nagyrészt (a szimulációban: teljes mértékben) a szürkebérezésnek tulajdonítható, és a fekete munkán elérhető nettó kereset jelentősen (a szimulációkban: 20 százalékkal) meghaladja a fehér munkára fizetett nettó bért. (B változat, α=1.2). A torzítás mértéke azonban ebben az esetben sem haladja meg az 1-1.5 százalékos mértéket. Az egyetemi diplomásoknál a fenti forgatókönyv érvényessége esetén valamivel nagyobb, 1-4 százalékpontos torzítással kell számolnunk. Az A verzió érvényessége esetén a becsült valódi diplomás bérelőny 2-8 százalékos mértékben nagyobb a Bértarifa-felvételben kimutatottnál a 0-8 osztályt végzettekhez képest, valamint a főiskolai diplomásokhoz viszonyítva, és bizonyos paraméter-együttállásoknál a megfigyeltnél 1-1.5 százalékponttal magasabb az érettségizettekhez képest. Összefoglalóan: a Bértarifa-felvétel adatai az elképzelhető forgatókönyvek igen kis részében, és ott is csak jelentéktelen mértékben – a főiskolát végzetteknél 1-1.5 százalékponttal, az egyetemi diplomásoknál 2-4 százalékponttal – becsülhetik túl a diplomások érettségizettekhez viszonyított kereseti előnyét.
1. 2. A szürkebérezés torzító hatása A részkutatás célja Anekdotikus információk és tudományos kutatások is megerősítik, hogy az alacsony bevallott keresettel rendelkező dolgozók közül sokan fizetésük egy részét zsebbe kapják. A 2007 előtti években – amikor a minimálbéresek aránya még 8% körül volt a teljes munkaidős alkalmazottak körében – a zsebbe fizetést a minimálbéren történő bejelentéssel („fiktív” minimálbéresek) kapcsolta össze a szakmai közvélemény. Azóta a minimálbéresek aránya – elsősorban a szabályozási változások, pl. a kétszeres minimálbér utáni járulékfizetési szabály bevezetése miatt – 2-3% körülire csökkent, de az adóeltitkolás mozgatórugói érdemben nem változtak. Ezért a 2007-2008-as évek vizsgálata helyett először azt az egyszerűbb kérdést érdemes elemezni, hogy a 2007 előtti időszakban (amikor a szürkén bérezettek jelentős része még minimálbéren volt bejelentve) mennyi volt a „fiktív” minimálbéresek tényleges (bejelentett + zsebbe kapott) bére, és hogy az így kimutatott zsebbe fizetés mennyiben torzítja a szokásos, Mincer-regressziókból kapott diplomás bérelőnyt. A kutatás módszere A fiktív minimálbéresek tényleges bérének becsléséhez az ún. double-hurdle (kettős-korlát) ökonometriai technikát használjuk, amely segítségével – a béreloszlás minimálbéren felüli részének és a munkavállalók egyéni jellemzőinek ismeretében – meg tudjuk becsülni, hogy milyen valószínűséggel és mennyivel van a minimálbéren bejelentett alkalmazottak „valódi” bére a minimálbér felett. A módszer előnye, hogy egységes keretben, egy adatbázis felhasználásával ad becslést a béreltitkolás nagyságára egyéni szinten. Tudomásunk szerint ilyen célra ezt a becslési eljárást még nem használták. Jelölje y a termelékenység alapján kialakuló (logaritmikus) bért, amelyet az egyéni jellemzők határoznak meg (y = Xβ + u). Ez két ok miatt különbözhet a megfigyelt (y*) bértől: a munkavállaló termelékenység alapú bére minimálbér alatt lenne, ám ekkor a minimálbért kapja; vagy pedig a munkavállaló csal, és – feltételezésünk szerint – ekkor is a minimálbért figyeljük meg nála. A csalást szintén a munkavállaló bizonyos egyéni jellemzői határozzák meg (D = Zγ + v). Ekkor a megfigyelt bérre a következőt írhatjuk fel (m a minimálbér logaritmusa): (2)
y* = y
(3)
y* = m
ha
Xβ + u > m
és
Zγ + v > 0
egyébként.
Az egyenletekben u és v normális eloszlású valószínűségi változók ρ korrelációval, u szórása σ, v szórása pedig egységnyi.
A modell maximum likelihood módszerrel becsülhető, azonban a becslőfüggvény (hasonlóan más nemlineáris modellekhez) csak akkor ad konzisztens eredményt, ha az eloszlások jól specifikáltak, azaz a hibatagok tényleg normális valószínűségi változók. A gyakorlatban ezért majdnem minden esetben transzformálni kell az eredeti adatokat a normális eloszlás elérése érdekében. Esetünkben a szokásos transzformációk (pl. Box-Cox) nem alkalmasak, mert egy elég speciális jelenség, a közvetlenül minimálbér feletti bérek torlódása okozza a logaritmikus bérek nem normális eloszlását. Ezért nem a szokásos transzformációk egyikét, hanem egy ehhez a problémához jobban illő transzformációt alkalmazunk. Továbbá részletesen vizsgáljuk a becsült paraméterek érzékenységét az alkalmazott feltevésekre, például elemezzük a modell olyan kibővítését, ahol a minimálbér feletti bejelentett béreknél is lehetséges csalás. A „fiktív” minimálbéresek igazi bérének ismeretében szokásos Mincer-féle regressziók becsülhetők a bértarifa felvételből, és megállapítható a diplomások – zsebbe fizetésre is kontrollált – valóságos bérelőnye. Eredmények Az Állami Foglalkoztatási Szolgálat bértarifa felvételének egyéni szintű adatai alapján 2003 és 2006 között a versenyszféra teljes munkaidőben dolgozó alkalmazottai közül mintegy 1215% dolgozott a minimálbér környékén. Végzettségi csoportok szerint jelentős eltérések voltak: 2003-ban a legfeljebb szakmunkás bizonyítvánnyal rendelkezők 13-18%-át foglalkoztatták minimálbéren, míg a diplomásoknál ugyanez az arány 5-10% volt. Az Országos Nyugdíjbiztosítási Főigazgatóság jogviszony adatbázisa is azt mutatja, hogy a magasabb végzettséghez kötött foglalkozások között kevésbé volt elterjedt a minimálbéres alkalmazás. A minimálbéreseken belül az aluljelentők (csalók) arányát az ún. kettős korlát (double-hurdle) ökonometriai technikával becsüljük meg az ÁFSZ bértarifa felvétel adatainak felhasználásával. Becslésünk szerint 2003-ban a minimálbéren bejelentettek 45-65%-a fizetésének egy részét zsebbe kapta. A minimálbéresek közötti csalás valószínűsége és a „zsebbe kapott bér” nagysága pozitív kapcsolatban áll az iskolai végzettséggel. Például 2003ban a minimálbéresek csalási aránya a felsőfokú végzettségűek körében megközelítette a 100%-ot, az általános iskolát végzettek között viszont jóval 40% alatt maradt, továbbá 2003ban a diplomás minimálbéresek átlagos becsült bére 230 ezer Ft körül volt, az érettségizetteké 100 ezer Ft alatt maradt, míg a legfeljebb általános iskolát végzetteké alig haladta meg a 60 ezer Ft-ot. Tehát a diplomások körében kevesebb számú minimálbéres van, de ők jóval többet keresnek, mint az alacsonyabb végzettségűek. A két hatás eredője pedig az, hogy a „valódi” – csalási szelekcióval kontrollált – béregyenlet enyhén nagyobb diplomás bérelőnyt mutat ki, mint a bejelentett bérekre felírt szokásos OLS-regressziók, azaz a minimálbéres csalás jelensége miatt a diplomások szokásosan számított bérelőnye alulbecsült. A torzítás 2003-ban 6,5-9,5 százalékpont volt a nyolc általánost végzettekhez viszonyított bérelőny, és 2,5-4,5 százalékpont az érettségizettekhez viszonyított bérelőny esetén.
A tanulmányban megvizsgáljuk azt is, hogy mire következtethetünk a különböző végzettségi csoportok csalási valószínűségéről a 2006-os szabályozási változások utáni jelenségek alapján. 2006 után a minimálbéresek aránya a korábbi évek töredékére csökkent, többek között azért, mert az eddig minimálbéreseket nagy arányban a kétszeres minimálbéren jelentették be. A kétszeres minimálbéresek összetétele arra utal, hogy közöttük nagyobb arányban vannak korábban csaló minimálbéresek. Így az a tény is alátámasztja a diplomások körében a csalás jelentősen nagyobb elterjedtségét, hogy a diplomás minimálbéresek sokkal nagyobb valószínűséggel váltak kétszeres minimálbéressé, mint a nem diplomások. 1. 3. A diplomások valós jövedelmi előnye fogyasztási és jövedelmi adatok alapján A részkutatás célja A jövedelemeltitkolás mérésének egy lehetséges, mikroadatokon alapuló módszere, hogy önbevalláson alapuló adatbázison a háztartások kiadásait (leggyakrabban az élelmiszerkiadásokat) és jövedelmeit felhasználva az élelmiszerkereslet Engel-görbéje alapján becslik az egyes háztartások (relatív) jövedelemeltitkolását. A módszer feltételezi, hogy van olyan csoport a társadalomban, amely bevallja a teljes jövedelmét, és ehhez a referenciacsoporthoz hasonlítja más társadalmi csoportok bevallott jövedelmét. A leggyakrabban használt referenciacsoport az alkalmazottak a vállalkozókhoz képest, de a módszer egyszerűen alkalmazható a diplomás – nem diplomás viszonylatban is. Ebben az esetben tehát azt tudjuk vizsgálni, hogy a nem diplomások relatíve mennyivel több jövedelmet titkolnak el a diplomásokhoz képest. A kutatás módszere A módszer alapja, hogy feltételezzük, hogy minden háztartás pontosan vallja be az élelmiszerfogyasztását, ezen kívül feltesszük, hogy a háztartásoknak van egy olyan csoportja (közalkalmazottak) 3, akik pontosan vallják be a jövedelmüket is. Továbbá feltételezzük, hogy az élelmiszerfogyasztás szerkezete nem függ a jövedelem forrásától, csak a jövedelem szintjétől, tehát a két csoport fogyasztási keresletet leíró Engel-görbéje egymással párhuzamos, vagyis a fogyasztás jövedelem-rugalmassága azonos a két csoportra. Amennyiben a két csoport egy-egy hasonló tagja azonos c* szintet fogyaszt, de más jövedelem mellett, akkor a jövedelmek közötti eltérés a jövedelemeltitkolás mértékét mutatja meg. Vagyis ha azt találjuk, hogy a c* fogyasztáshoz a valós y k jövedelemszint tartozik valamely közalkalmazottnál, míg az eltitkolók között ehhez a c* szinthez y e jövedelmet találunk, akkor az eltitkolás mértéke a két jövedelemszint közti különbség: y k -y e lesz. 3
A nemzetközi irodalomban általában a vállalkozókat és az alkalmazottakat hasonlítják össze, azonban előzetes számításaink szerint a magyar adatokon nincs jelentős különbség a vállalkozók és az alkalmazottak között, feltehetően azért, mert az alkalmazottak körében is elterjedt a jövedelemeltitkolás. Ezért olyan referenciacsoportot kerestünk, ahol jóval kisebb a valószínűsége a jövedelmek eltitkolásának (közalkalmazottak egészségügyi dolgozók nélkül).
Tehát a közalkalmazottak (jövedelmüket nem eltitkolók) körében a valós rendelkezésre álló jövedelem ( Yi ) megegyezik a bevallott rendelkezésre álló jövedelemmel ( Yi ' ), de a jövedelmüket eltitkolók körében a bevallott jövedelem alacsonyabb: (1)
Yi = kiYi ' , ahol ki ≥ 1
ki a háztartásra jellemző jövedelemeltitkolást leíró változó, amelynek értéke annál nagyobb, minél nagyobb arányú az eltitkolt jövedelem. A háztartások fogyasztása a jövedelem függvénye, azonban nem az azonnali, hanem a permanens jövedelem a meghatározó, mivel a háztartások fogyasztásukat simítják, kiküszöbölve ezzel az azonnali jövedelemben bekövetkező kilengéseket. (2)
α X i + β ln Yi p + ε i ln Ci =
Ahol Yi p az i háztartás permanens jövedelme, X i a fogyasztást befolyásoló háztartási jellemzők vektora, ε i pedig egy véletlen hibatag. Mivel az adatforrásokban nincs megfigyelés a permanens jövedelemre vonatkozóan, fel kell használnunk a megfigyelt és a permanens jövedelem közötti összefüggést. (3)
Yi = piYi p
(1) és (3)-at logaritmálva és (2)-be behelyettesítve kapjuk, hogy (4)
ln Ci = α X i + β ln Yi ' − β ( ln p − ln k ) + ε i
Ha (4)-et közösen becsüljük az eltitkoló és nem-eltitkoló csoportok tagjaira, akkor a becslési egyenletünk a következő lesz (5)
ci = α X i + β yi + γ Ei + ε i
ahol i jelöli a háztartást, c i az élelmiszerfogyasztás logaritmusa, y i a megfigyelt rendelkezésre álló jövedelem logaritmusa, X i a fogyasztást befolyásoló háztartási jellemzők vektora, E pedig egy dummy változó, amelynek értéke 1, ha a háztartás abba a csoportba tartozik, amelynél feltesszük, hogy van jövedelemeltitkolás és 0, ha feltesszük, hogy a valós jövedelmét vallja be. ε i a véletlen hibatag. Az Engel görbék párhuzamossága mellett az (1) egyenletbenγ paraméter a mutatja a két Engel görbe közötti távolságot. Ha γ > 0, akkor val óban jövedelemeltitkolást látunk, az eltitkolás mértékét pedigγ / β a dja. Mivel a fogyasztás és a jövedelem logaritmálva jelenik
meg (5)-ben, a jövedelmét eltitkoló csoport tagjainak bevallott jövedelmét a k = exp( γ/β) szorzóval kell szorozni, hogy megkapjuk a valós jövedelmet. Amennyiben a jövedelem endogén, instrumentálni kell. Az instrumentálással kapcsolatban felmerül a gyakori probléma, hogy olyan instrumentumokat kell találnunk, amelyek a jövedelemmel jól korreláltak, az egyenlet bal oldalával, a fogyasztással, azonban nem. Az (5) egyenlet becsléséből származó eredmények a háztartások rendelkezésre álló jövedelmére vonatkoznak, mi azonban a valós bruttó adóköteles jövedelemre vagyunk kíváncsiak, ezért a becsült valós rendelkezésre álló jövedelmet módosítani kell a következők szerint. Feltételezzük, hogy az eltitkolás minden háztartásnál az adóköteles jövedelemrészből származik, és az adómentes tételek (pl. nyugdíj, családi pótlék 4) bevallott nagysága megegyezik a valóságossal. Így első lépésben a becsült valós rendelkezésre álló jövedelemből visszaszámoljuk a becsült valós nettó adóköteles jövedelmet az alábbi összefüggésből. (6)
y= yan + ym , t
ahol yan a nettó adóköteles jövedelem, yt a teljes rendelkezésre álló jövedelem és ym az adómentes jövedelem. Az (5) egyenlet becslésének eredményeként kapunk egy becsült valós rendelkezésre álló jövedelmet yt , amit felhasználva kapjuk a becsült valós nettó jövedelmet. (7)
y= n yt − ym a
Ebből azonban még tovább kell számolnunk a valós bruttó jövedelmet egy implicit adókulcs segítségével, ezért második lépésként megállapítjuk a bruttó jövedelem kalkulálásához szükséges implicit kulcsokat. Az implicit adókulcsoknál igyekeztünk az adórendszer progresszivitásából származó hatásokat is figyelembe venni, ezért nem egyetlen adókulcsot használunk. A bevallott adatokból a rendelkezésre álló jövedelem decilisenként számítottuk ki, hogy mekkora a bruttó és a nettó jövedelem átlagos aránya b d /n d , ahol d=1,…,10, az egyes deciliseket jelöli. Utolsó lépéséként megnéztük, hogy a becsült valós nettó jövedelem alapján a háztartás melyik jövedelmi sávba esne, és az erre a tizedre vonatkozó b d /n d aránnyal szorozva kaptuk meg a becsült valós bruttó jövedelmet.
(8)
4
b yab = yan d nd
Elemzésünkben 2006-os adatokat használunk (lásd később), ebben az évben ezek a tételek adómentesek voltak.
Ezt a becsült valós bruttó jövedelmet hasonlítottuk össze a diplomás és nem diplomás háztartások esetén, és így számítottuk a valós bérelőnyt. Eredmények Számításaink szerint míg a diplomások jövedelmük 23-41 százalékát titkolják el, addig az annál alacsonyabb végzettségű háztartásfővel rendelkező háztartások a 8-13 százalékát. Vagyis becslésünk szerint a jövedelemeltitkolás nagyobb a diplomások körében, ezért a valós jövedelmi előnyük is magasabb, mint az az alapadatokból látszik. A bevallott adatokból készített számításaink szerint a diplomások előnye az érettségivel rendelkezőkhöz képest a 2006-os adatokon mintegy 73 százalék, ami némiképp magasabb az OECD által számítottnál. Ha a diplomásokat nem csak a középiskolát végzettekhez hasonlítjuk, hanem minden náluk alacsonyabb végzettségűhöz, akkor a számított bérelőny 79 százalék. Amennyiben a jövedelem-előnyt az általunk becsült valós jövedelmek alapján számítjuk, az magasabb lesz, mind az érettségizettekkel mind az összes alacsonyabb végzettségűvel szemben, akár 20 százalékkal. Azt érettségizettekkel szembeni jövedelmi előny így, specifikációtól függően, 87 százalékos is lehet, míg az összes alacsonyabb végzettségűvel szemben közel kétszeresre (93 százalékra) nőhet. Összefoglalóan: a jövedelem és a fogyasztás egybevetésén alapuló elemzés szerint a közvetlenül nem mért bevételek növelik a diplomások és nem diplomások közötti jövedelmi távolságot. 1. 4. Elégedettségvizsgálat – alternatív módszer a méretlen jövedelem azonosítására A részkutatás célja A résztanulmány a fekete jövedelemnek azt a típusát próbálja azonosítani, amely a tisztán statisztikai célú adatfelvételekben, felmérésekben is rejtve marad. A fekete jövedelemnek ezt a részét méretlen jövedelemnek nevezzük. A tanulmány a méretlen jövedelem terjedelmének becslésére semmilyen formában nem vállalkozik. Annak meghatározására tesz kísérletet, hogy különböző társadalmi csoportok – konkrétan különböző iskolai végzettségűek – esetében milyen a méretlen és a mért jövedelem hányadosának viszonya. Vajon ez a hányados a diplomások vagy a nem diplomások körében nagyobb-e? A kutatás módszere Módszerünk – melyet tudomásunk szerint a rejtett jövedelmek vizsgálatára még nem alkalmaztak – közvetett, segédeszközként a megkérdezetteknek az életükkel való elégedettsége/elégedetlensége mértékét használjuk. Ez a mutató – melyet szubjektív jóllétnek 5 is neveznek – sokak számára minden bizonnyal nagyon puhának és bizonytalannak tűnik. A későbbiekben számos irodalmi hivatkozással bemutatjuk, hogy a látszat ellenére nem ez a 5
A jóllét szó két l betűjével a jóléthez képest a wellbeing és a welfare közötti különbséget fejezzük ki.
helyzet, nagyon „jól működő” mutatóról van szó. A szubjektív jóllét esetében – a jövedelemmel ellentétben – a válaszadónak semmilyen indoka nincs arra nézve, hogy megmásítsa a valóságot és éppen ez a tulajdonsága teszi lehetővé, hogy alkalmazásával komoly következtetésekre jussunk. A kutatások a szubjektív jóllétet többnyire igen egyszerűen, a következő kérdéssel mérik: „Mindent egybevetve, jelenleg mennyire elégedett, vagy elégedetlen az élete alakulásával?” (Ennek szűkebb változata, ha nem az élet, hanem csupán az anyagi helyzet alakulására vonatkozik a kérdés.) A válaszokat szokásos módon 1-től 5-ig, vagy 0-tól 10-ig terjedő skálán lehet megadni. Alacsonyabb jövedelmi szint mellett az elégedettség viszonylag gyorsan emelkedik a jövedelem függvényében, a jövedelem növekedésével azonban ez a hatás elhalványul. Az elégedettségre még számos tényező hat: munkaerő-piaci helyzet, családi helyzet, iskolai végzettség, egészségi állapot, és így tovább. A jövedelem és az elégedettség között konstans ρ rugalmasságot feltételezve, a következő stilizált összefüggést írhatjuk fel (az egyszerűség kedvéért ennek során az elégedettséget is folytonos függvényként kezeljük, az egyes személyekre utaló i indexet elhagyjuk): y 1− ρ − 1 + ∑ β j x j + γ + ε , ha ρ ≠ 1 , illetve 1− ρ j
(9)
h =α
(10
h = α log y + ∑ β j x j + γ + ε , ha ρ = 1 , ahol j
h az elégedettség, y a jövedelem, az x j változók az elégedettségre ható egyéb tényezők, α, β, és γ paraméterek, ε hibatag. Így pl. ρ = 1 esetén két személy marginális hasznosságainak hányadosa éppen jövedelmeik hányadosának a reciproka: kétszeres jövedelem esetén a jövedelem további marginális növekedése fele olyan mértékben hat az elégedettségre. Egy ilyen típusú összefüggés fennállása lehetőséget ad arra, hogy megvizsgáljuk: az egyes társadalmi csoportok esetében tapasztalható elégedettség szintje összhangban van-e az adatfelvétel során kimutatott jövedelmükkel. Gondolatmenetünk lényege a következő. Feltesszük, hogy a nem diplomások, például az érettségizettek körében magasabb a méretlen/mért jövedelem arány, mint a diplomásoknál, azaz a diplomások tényleges bérelőnye az érettségizettekkel szemben a mértnél kisebb. Tekintettel arra, hogy a magasabb jövedelem nagyobb szubjektív jólléttel jár együtt, ebből az következne, hogy a diplomások és érettségizettek közötti elégedettségi különbség kisebb annál, mint ami a mért jövedelem alapján adódna. A kérdés persze bonyolult, hiszen a diplomás lét nem csupán a többletjövedelem miatt lehet többlet elégedettség forrása. A diploma számos más jellegű előnyt is jelent: nagyobb elhelyezkedési esélyt, kellemesebb és egészségesebb munkakörülményeket, kiterjedt szociális
kapcsolatokat, állandó informáltságot, továbbtanulási lehetőséget. Így a diploma megléte a jövedelemtől függetlenül is pozitívan hat a diplomások általános elégedettségére. Elemzésünk során az itt említett tényezőket is igyekszünk figyelembe venni. A tanulmányban a Változó Életkörülmények Adatfelvétel adatait használjuk. Eredmények Amennyiben az érettségizetteknek viszonylag magas a méretlen jövedelmük, úgy az elégedettségnek a mért adatokon alapuló becslése során az ő esetükben meg nem magyarázott többlet elégedettségnek kellene jelentkeznie. Ilyen többlet elégedettséget nem találtunk, sőt éppen az ellenkezője a helyzet: a magasabb iskolai végzettségűek esetében tapasztalhatunk többlet elégedettséget, mégpedig az iskolai végzettség előre haladtával egyre nagyobb mértékben. Ennek az is magyarázata lehet, hogy a magasabb iskolai végzettség egyéb tényezőkön keresztül hat az elégedettségre. Szisztematikusan megvizsgáltunk számos ilyen tényezőt. Megállapítottuk, hogy az egészségi állapot magyarázó változóként történő bevonásának hatására megszűnik az alapfokú végzettségűek és a szakmunkások közötti elégedettségi különbség. A társadalmi beágyazottságot, kapcsolatrendszert mérő változók bevonásának hatására pedig az érettségizettek és a szakmunkások közötti elégedettség különbség szűnik meg. Más szavakkal ez azt jelenti, hogy ha kontrollálunk a jövedelemre, aktivitásra, a foglalkoztatottak esetében a foglalkozási formára, az egészségi állapotra, a háztartás stabilitását, valamint különböző, a társadalmi beágyazottságot mérő változókra, akkor az elégedettségre nézve az alapfokú, a szakmunkás és az érettségivel rendelkező középfokú végzettség közötti különbségnek egyáltalán nincs hatása. Megmarad és egyáltalán nem elhanyagolható mértékű azonban a főiskolai és egyetemi végzettségnek az elégedettséget növelő hatása. Ez egyértelműen arra utal, hogy az ő esetükben még további olyan tényezők vannak, amelyek növelik elégedettségüket. Nagy valószínűséggel ezek közé tartozik a relatíve nagyobb méretlen jövedelem is. Összefoglalóan: a kiinduló hipotézis – mely szerint a nem mért jövedelmek miatt a diplomások jövedelmi előnye kisebb annál, mint amit a Bértarifa-felvételen, HKF-en, TárkiMonitoron és hasonló forrásokon alapuló kutatások sugallnak - nem igazolható, sőt nagy valószínűséggel éppen az ellenkezője áll fenn.
2. DIPLOMÁS KERESETI ELŐNY ÉS REJTETT GAZDASÁG MAGYARORSZÁGON Kiss Áron Ez az irodalomösszefoglaló a kutatás hátteréül szolgáló nemzetközi és magyar szakirodalmat mutatja be. Az összefoglaló két fő része a kutatás által összekötött két szakirodalmi területet mutatja be. Elsőként azzal a nemzetközi és magyar irodalommal foglalkozik, amely a munkavállalók bérét magyarázza olyan egyéni változókkal, mint a képzettség és a szakmai tapasztalat. Ezután azon kutatások előzményeit írja le, amelyek lehetővé teszik az informális foglalkoztatás bevonását a bérek magyarázatával foglalkozó kutatásba. 2. 1. A diplomás bérelőny mérésének irodalma Az alapvető módszertani eszköz: a béregyenlet avagy Mincer-egyenlet. Az iskolázottság és a bérek összefüggését a humántőke-elmélet kidolgozói kezdték vizsgálni. Mincer (1974) klasszikus munkáját számos tanulmány és alkalmazás követte. Az irodalom különböző irányainak újabb fejlődését többek között Card (1999), Katz és Autor (1999), Psacharopoulos és Patrinos (2004), Heckman és szerzőtársai (2006) és Belzil (2007) tekintik át. A Mincer-egyenletként is ismert összefüggés leggyakrabban alkalmazott alakja a az egyének logaritmizált bérét az iskolázottsággal, a munkatapsztalat éveivel és a munkatapasztalat éveinek négyzetével hozza összefüggésbe. A kapott becslés alkalmas arra, hogy megmutassa, azonos munkatapasztalattal rendelkező egyének közül hány százalékkal magasabb a bére annak, aki magasabb iskolázottsággal rendelkezik (ahol az iskolázottság mértéke jelenthet egy pótlólagos iskolában töltött évet, de a különböző iskolai fokozatok hatása elkülönítve is vizsgálható). Azon kívül, hogy kimutatja az iskolázottság hatását a bérekre, a Mincer-egyenletet számos más kérdés vizsgálatára is felhasználták. Így vizsgálható volt vele a nemek közötti bérkülönbség, illetve annak függése a munkatapasztalattól, de a fejlődő országok oktatási befektetéseinek megtérülése is. Az iskolázottság Mincer-egyenletben becsült együtthatóját a szakirodalom nem elhanyagolható része az oktatás „megtérülési rátájaként” említi. Ez a szóhasználat a humántőke-elmélet azon nézetére utal vissza, amely szerint az oktatás befektetéshez hasonló: azzal, hogy az egyén egy évvel többet tölt iskolában, lemond arról a lehetőségről, hogy ez alatt az év alatt munkájával pénzt keressen; befektetése annyiban térül meg, hogy később magasabb bérre számíthat. Az egyén saját oktatásába való befektetésének is, mint minden más befektetésnek, is meg lehet becsülni a „belső megtérülési rátáját” (internal rate of return, IRR), vagyis azt a piaci kamatlábat, amely mellett a befektetést (ebben az esetben a munkapiacra való belépés késleltetését) még éppen érdemes eszközölni. Korai tanulmányok megmutatták, hogy – bizonyos szigorú feltételezések mellett – az iskolázottság Minceregyenletben becsült együtthatója pontosan megegyezik egy pótlólagos évi iskolázottság belső
megtérülési rátájával. Az újabb irodalom részletesen megmutatta, hogy ezek a feltételek általában nem teljesülnek (Heckman és szerzőtársai, 2006), így a becsült együttható megtérülési rátaként való értelmezése nem megalapozott. (Bár ilyen megtérülési ráták számíthatók a becsült együtthatóból.) A jelen kutatásban a szigorú értelemben vett megtérülési rátákkal nem foglalkozunk; A Mincer-egyenlet együtthatóit abban a nemvitatható értelemben értelmezzük, hogy azok az iskolázottabb munkaerő „felárát” becsülik meg. A diplomások bérelőnye a nemzetközi szakirodalomban A diplomás bérelőny mértékét a szakirodalom az 1990-es években kezdte aktívan kutatni, először az Egyesült Államokban. A kutatások motivációját a jövedelmek 80-as években jelentősen megnövekedett egyenlőtlensége adta. A szakirodalom ezen ágának eredményeit Katz és Autor (1999) cikke tekinti át. Véleményük szerint a terület kutatói között szinte teljes konszenzus alakult ki hat alapvető stilizált tény elfogadásában, ha nem is ezek magyarázatában. Ezek a tények a következők: 6 1. A bérek diszperziója (szóródása) jelentősen megnőtt a hetvenes és kilencvenes évek között mind a férfiak, mind a nők esetében. 2. A képzettség, munkakör és kor (munkatapasztalat) szerinti bérkülönbségek nőttek. A diplomások bérelőnye drámaian nőtt a nyolcvanas években. A nemek közötti bérkülönbség azonban csökkent – átlagosan éppúgy, mint az egyes kor- és képzettségi csoportokon belül. 3. A bérek diszperziója (szóródása) az egyes demográfiai és képzettségi csoportokon belül is nőtt. 4. A keresztmetszeti adatokban megfigyelhető nagyobb béregyenlőtlenséget nem ellensúlyozta az időben megfigyelhető nagyobb bérmobilitás. A keresetek szóródásának mind a permanens, mind pedig az átmeneti komponense hasonló mértékben nőtt. 5. Mivel a bérstruktúra fent leírt változásai egy olyan időszakban játszódtak le, amelyet viszonylag lassú bérnövekedés jellemzett, az alacsonyan képzett és alacsony bérű munkavállalók reáljövedelme a kilencvenes években alacsonyabb volt mint a két évtizeddel korábban hozzájuk hasonló munkavállalóké. 6. A béregyenlőtlenség nagyban hozzájárult a családi jövedelemben és fogyasztásban megfigyelhető egyenlőtlenség növekedéséhez. A részletesebb vizsgálat kimutatta, hogy a diplomások bérelőnye az Egyesült Államokban a hatvanas években nőtt, a hatvenes években csökkent, majd a nyolcvanas években ismét nőtt, ezúttal drámai mértékben. Míg a diplomások bérelőnye a középiskolát befejezettekhez képest 1960 körül mintegy 50 százalékos volt, a nyolcvanas évek végére elérte a 70 százalékot (Katz és Autor, 1999, 8. ábra). Újabb számítások a nyolcvanas évekbeli tendencia folytatását mutatják. Strauss és de la Maisonneuve (2007) – némileg eltérő módszertannal – 1994 és 2005 között átlagosan csaknem 90 százalékos különbséget talált a diplomás és érettségizett 6
A stilizált tények az Egyesült Államok adataira vonatkoznak. A más országokban megfigyelhető folyamatokról az alábbiakban lesz szó.
munkavállalók között (az időszak első felében 80% körüli, a második felében 90% feletti értékekkel). A bérstruktúra e változásait a szakirodalom keresleti, kínálati és intézményes hatások kontextusában kísérelte meg értelmezni. A munkakínálati oldalt a különböző képzettséggel rendelkező munkavállalók száma határozza meg; a munkakeresleti oldalt az, hogy milyen munkavállalókat szeretnének a vállalatok foglalkoztatni. A diplomások bérelőnyének növekedése egy olyan időszakban valósult meg, amikor az újabb generációk egyre nagyobb aránya vett részt felsőfokú oktatásban, és a diplomások aránya a munkavállalók között évrőlévre nőtt. Ez a kereslet és kínálat törvényei alapján csak úgy lehetséges, ha ugyanakkor a diplomások iránti (relatív) kereslet jelentősen is megnőtt; különben a diplomások relatív bősége a relatív bérük csökkenését kellett volna, hogy maga után vonja. A szakirodalomban Katz és Murphy (1992) tanulmánya jelent egy korai és nagyhatású kísérletet annak meghatározásában, hogy mennyit lehet a diplomás bérelőny időbeli változásából egyszerű keresleti és kínálati megfontolásokkal megmagyarázni. A kulcs a hetvenes és nyolcvanas évek eltérő tendenciáihoz szerintük az, hogy a hetvenes években a felsőoktatási rendszer nagy terjeszkedése játszódott le. Ebben az időszakban igen nagy arányban nőtt a diplomások aránya a népességben. A diplomások arányának növekedése a nyolcvanas években lelassult. Ez az összefüggés a legjobban az alábbi becsült statisztikai összefüggés világítja meg legjobban: 7 (1)
log(wct / wht ) = −0,709 log( N ct / N ht ) + 0,033 * idő + konst. ;
R 2 = 0,52
Az egyenletben (w ct / w ht ) a diplomások érettségizettekkel szembeni bérelőnyét jelöli t évben, (N ct / N ht ) pedig ugyanabban az évben a diplomások érettségizettekhez viszonyított arányát az összes munkavállaló között (a c index a diplomások (college), a h index az érettségizettek (high-school) változóit jelöli). Mivel a releváns nagyságok logaritmizálva kerülnek be az egyenletbe, a becsült együtthatót rugalmasságként értelmezhetjük: ha a diplomások érettségizettekhez viszonyított aránya egy százalékponttal nő, a diplomások bérelőnye kb. 0,7 százalékponttal csökken. Ugyanakkor az adatokban egy másik folyamat is megfigyelhető: a diplomások bérelőnye változatlan munkaerő-összetétel mellett mintegy 3 százalékponttal emelkedett volna évente. A becsült összefüggés meg tudja magyarázni, miért csökkent a diplomások bérelőnye a hetvenes években a legnagyobb feldőoktatási expanzió idején, de egyben el tud számolni a bérelőny hosszabb távú növekedésével is. Más országok adatain végzett kutatások nagyjából megerősítik az Egyesült Államok adataiból leszűrt stilizált tényeket. 8 A rendelkezésre álló idősorok alapján más országokban is ki lehetett mutatni a diplomás munkakínálat negatív hatását diplomások bérelőnyére: így Kanadában (Freeman és Needels 1993; Murphy, Riddell és Romer 1998), Nagy-Britanniában (Schmitt 1995), Svédországban (Edin és Holmlund 1995), Hollandiában (Teulings 1995) és DélKoreában (Kim és Topel 1995). Ez az eredmény egybevág azzal az általános megfigyeléssel, 7 8
Újraközölte Katz és Autor (1999, 23. egyenlet). Az OECD országokban bért diplomás bérelőnyről még a magyar adatok bemutatása után lesz szó.
hogy a hetvenes években az OECD országokban a diplomás bérelőny csökkenése játszódott le. Azokban az országokban, ahol ez a tendencia a nyolcvanas években visszájára fordult (így USA, Nagy-Britannia) ezzel egyidejűleg a felsőoktatási rendszer expanziójának lassulása volt megfigyelhető. Azokban az országokban viszont, ahol a képzettséggal járó bérprémiumok nem emelkedtek a nyolcvanas években (így Franciaország, Németország, Hollandia) a felsőoktatási rendszer expanziója nem lassult le a megelőző évtizedhez képest (ld. Freeman és Katz 1994; OECD 1993). A magasabban képzett munkaerő iránti kereslet erőteljes és évtizedeken átívelő növekedésének magyarázatát számos elmélet kisérelte meg. A szakirodalomban vizsgált legfontosabb három hipotézis a következő: (1) a fogyasztók kereslete olyan áruk és szolgáltatások felé fordult, amelyeknek előállítása magasabb képzettséget igényel („deindusztrializáció”); (2) a nemzetközi kereskedelem kiszélesedésének hatására az alacsonyabb képzettséget igénylő munkakörök inkább a fejlődő országokba vándorolnak („globalizáció”); valamint (3) az utóbbi évtizedek szervezeti és technológiai változásai (pl. bonyolult gépek, számítástechnika és telekommunikációs eszközök alkalmazása) értékelte fel elsősorban a képzettebb munkaerőt („skill-biased technological change”). E tanulmány elsősorban nem a diplomás bérelőny okaival foglalkozik, így a egyes magyarázatok ellen és mellett felhozott érveket nem mutathatjuk be részletesen. A szakirodalomban mind a deindusztrializáció, mind a globalizáció mint domináns magyarázat ellen felhoztak jelentős (bár leginkább indirekt) bizonyítékokat, míg a képzettségnek kedvező technológiai változás mellett szólnak empirikus érvek (ld. Katz és Autor 1999, 5. rész). A tisztán kereslet-kínálati magyarázatok mellett azonban intézményi tényezők is vizsgálat tárgyává váltak a bérstruktúra változásainak magyarázatában. Card (1996) vizsgálata szerint a szakszervezeti tagság nagyobb pozitív hatással van az alacsonyan képzett munkavállalók bérére, mint a magasan képzettekére. Így elképzelhető, hogy az alacsonyan képzett munkavállalók korábbi évtizedekben megfigyelhető nagyobb arányú szakszervezeti tagsága hozzájárult a hatvanas-hetvenes évek bérkompressziójához és az alacsonyabb diplomás bérelőnyhöz. Freeman (1993), Card (1998) és DiNardo, Fortin és Lemieux (1996) közvetlenül kísérelte meg megbecsülni a szakszervezeti tagság nyolcvanas években megfigyelt csökkenésének hatását a bérek szóródására. Számításaik szerint ez a folyamat a férfiak béregyenlőtlenségek nyolcvanas évekbeli növekedésének mintegy 10-20 százalékát magyarázhatja. DiNardo, Fortin és Lemieux (1996) a minimálbér bérdiszperzióra gyakorolt hatását is igyekezett megbecsülni. Számításaik az 1979 és 1988 közötti időszakra vonatkoznak, amely alatt az USA szövetségi szinten előírt minimálbére nem változott, és így reál-értelemben fokozatosan elértéktelenedett. Számításaik szerint a minimálbér elértéktelenedése mintegy egynegyedét magyarázhatja annak a növekedésnek, amely egy évtized alatt a bérek statisztikai szórásában bekövetkezett, de a medián bérszint alatti szóródásnak akár nagy része is visszavezethető lehet a minimálbérre. Hasonló eredményekről számolt be Lee (1998), aki az Egyesült Államok tagállamainak minimálbér-szabályozása közti különbségeket használta ki a hatás méréséhez.
A magyar szakirodalom Magyarországon Varga (1995) és Kertesi és Köllő (1997) végezték el az első béregyenletbecsléseket, azaz életkort, régiót és egyéb tényezőket tartalmazó regressziós elemzéseket a bérek magyarázatára. A hazai irodalom első hulláma elsősorban a humántőke (és azon belül is az oktatás) rendszerváltás után bekövetkező átértékelődését vizsgálta, és a magasan képzett munkaerő felértékelődését találta (lásd pl. Kertesi és Köllő (1999, 2001), Kézdi (2002 és 2004)). A diplomások középfokú végzettségűekkel szembeni bérelőnye a felsőoktatás expanziójából eredő esetleges „túloktatás” körül kialakult vita kapcsán ismét reflektorfénybe került (Polónyi és Tímár (2001), Galasi (2004a, 2004b, 2006), Kertesi és Köllő (2006a, 2006b)). Az irodalom nagyrészt egyetért abban, hogy a diplomások bérelőnye a kétezres évtized közepéig növekedést mutatott, ha némileg lassuló ütemben is. Így tehát a felsőoktatás expanziója ellenére sem csökkent a diplomák átlagos értéke. Kertesi és Köllő (2006b) az 1998 és 2005 közötti évek bértarifa-adatain vizsgálja a diplomások bérelőnyét. Becsléseik szerint a diplomások érettségizettekkel szembeni bérelőnye a vizsgált időszak folyamán jelentősen nőtt: a férfi munkavállalók körében 72 százalékról 98 százalékra; a női munkavállalók körében 43 százalékról 71 százalékra. A két nem átlagában ez azt jelenti, hogy a diplomások bérelőnye 56 százalékról 83 százalékra nőtt. Magyarország nemzetközi összehasonlításban A hazai irodalomban talált bérelőny nemzetközi összehasonlításban igan magasnak számít, de összhangban van a nemzetközi összehasonlító tanulmányok eredményével. Egy az OECD által készített tanulmány (Strauss és de la Maisonneuve 2007) a magyar diplomások középfokú végzettségűekkel szembeni bérelőnyét a magasabbak közé helyezi a vizsgált 21 ország között. A tanulmány az országok közötti összehasonlíthatóság érdekében nemzetközileg gyűjtött és összhangba hozott háztartási felvételeket használ az 1991 és 2005 közötti időszak minden olyan évére, amikor egy adott országra az adatok elérhetőek. Magyarországra a 1992 és 1997 közötti évekre rendelkeznek adatokkal. Számításaik szerint hat év átlagában a diplomások bérelőnye a férfiak esetében 57,3%, míg a nőkében 56,2% (4. táblázat). Ehhez hasonló (50-60% közötti) diplomás bérelőnyt mértek Ausztria, Franciaország, Írország, Lengyelország és Luxemburg esetében. A magyarországinál jóval magasabb bérelőnyt (70-90%-os) csak Nagy-Britannia, az Egyesült Államok és Portugália esetében becsültek. A többi kilenc országban a diplomások bérelőnye 25-45% között volt. (Megemlíthető, hogy ezek a magyarországi becslések, bár eltérő adatbázisból nyerték őket, összhangban vannak a Kertesi és Köllő (2006a, 2006b) által azonos időszakra kapott eredményekkel.) A becslések országok közötti összehasonlíthatósága természetesen akkor sem nehézségektől mentes, ha az összemérhető adatok és módszerek használata a szerzők explicit célja volt.
Strauss és de la Maisonneuve (2007) mintájában négy országra (köztük Magyarországra) a nettóbérekre szerepeltek adatok, de a bruttó bérekre – amelyekre a többi ország esetében a becslések alapultak – nem. A szerzők e négy ország esetében megkísérlik az előző bekezdésben leírt becsült együtthatókat a jobb összehasonlíthatóság érdekében korrigálni (Strauss és de la Maisonneuve 2007, 22. o.): a négy ország (nettó bérek alapján számolt) együtthatóját elosztják (1 – τ)-val, ahol τ a övedelemadó j átlagos kulcsa az adott országban (Magyarország esetében 0,33). A korrekcióval Magyarország Portugáliával és az USÁ-val együtt vezető helyre kerül a diplomás bérelőny tekintetében. Bár a korrekció motivációja érthető, annak módja ad hoc-nak tűnik. Akkor vezetne pontos eredményre, ha a diplomásokat az átlag jövedelemadó-teher sújtaná, a középiskolát végzetteket viszont semmilyen jövedelemadó-teher sem. Ezzel szemben, ha az adórendszer teljesen proporcionális lenne (vagyis egyáltalán nem progresszív, tehát egykulcsos), korrekcióra egyáltalán nem volna szükség: ha egy munkavállaló nettó bére x százalékkal magasabb a társáénál, akkor ez egy egykulcsos jövedelemadó mellett azt jelenti, hogy a bruttó bére ugyanannyi százalékkal magasabb. Egy pontos korrekció a két csoport átlagos adóterhelésének a hányadosával korrigálná a becsült együtthatót. Egy ilyen eljárás valószínűleg kevésbé változatná meg Magyarország országok között elfoglalt relatív helyét. Ugyanakkor a Strauss és de la Maisonneuve (2007) számításával szemben felhozott kritika ellenére is – több tanulmány eredményei alapján – stilizált ténynek fogadható el, hogy Magyarországon a nemzetközi átlagnál magasabb (és legalább a kétezres évek közepéig növekvő) diplomás bérelőny figyelhető meg: csupán három fejlett országban található a magyarországinál egyértelműen nagyobb érték. 2. 2. A szürke- és feketefoglalkoztatás mérésének irodalma Rejtett gazdaság A rejtett gazdaság becslésére leggyakrabban kérdőíves és adminisztratív adatbázisok összehasonlítására támaszkodó közvetlen módszereket, vagy a rejtett tevékenységekkel korreláló adatokra támaszkodó közvetett módszereket alkalmaznak (Sik 1995). A KSH és az Ecostat rejtett gazdaság becslése például jellemzően közvetlen módszerekre támaszkodik (Ecostat 2005). A közvetett módszerek közé tartozik a készpénzkeresleti megközelítés, ami a készpénzforgalom és a GDP változásának összevetéséből következtet a rejtett gazdaság mértékére, és az energiafogyasztás illetve a GDP változásának különbségén alapuló megközelítés is (pl. Lackó 2000). Az ugyanazon mennyiség kétféle adatgyűjtési eljárásban mért értékének összevetését diszkrepancia-módszernek is nevezik. A Magyarország rejtett gazdaságának (a foglalkoztatást érintő és más formáit is felölelő) egészére vonatkozó 1997 és 2002 közötti becslések a GDP 20-25%-ára teszik annak mértékét, a frissebb számítások általában csökkenő tendenciára utalnak (Tóth 2006).
1. táblázat
Eilat és Zinnes (2000) OECD (2004) OECD (2004) Lackó (2000) Christie és Holzner (2004) Schneider (2002) KSH (2005) Tóth (2006)
Magyarország rejtett gazdaságára vonatkozó becslések A GDP Időszak arányában 34% 1997 15,4% 30%
1997 1997
25,5% 28,8% 21%
19971998 2001
25,1% 25,7% 16% 12% 17-18%
20002002 19972000 20012005
Becslési módszer áramfogyasztáson alapuló módszer diszkrepancia módszer: a GDP jövedelmi és kiadási oldala közötti eltérés diszkrepancia módszer: elméleti és tényleges tb-járulékbevétel diszkrepancia módszer: háztartások adóterhe és az adóbevétel különbsége áramfogyasztásos, valutakeresleti és ökonometriai módszer imputálás adminisztratív adatok és adatfelvételek alapján szakértői becslés
A hazai becslések szerint 1970 és 1990 között folyamatosan nőtt a rejtett gazdaság, 1990-93 között gyorsuló mértékben. 9 Lackó (2000) a poszt-szocialista országokra becsülte meg a rejtett gazdaság nagyságát egy háztartási áramfogyasztásra épülő ökonometriai modellből. Ez azon a feltevésen alapul, hogy a háztartások áramfogyasztása együtt mozog a tényleges (bevallott és rejtett) termeléssel, így a kimutatott GDP változása és az áramfogyasztás változása közötti eltérés a rejtett gazdaság mértékének változását jelzi. E módszer alapján Magyarország rejtett gazdasága 1993-ban érte el legnagyobb GDP-arányos súlyát, majd folyamatos csökkenést mutatott: 1997-ben 25,5%, 1998-ban pedig 20,8% volt. Ennél nagyobb volt a rejtett gazdaság mértéke Lengyelország, Csehország, Szlovénia és Szlovákia esetében. Schneider (2002) hasonló eredményt kapott a valutakeresleti és áramfogyasztáson alapuló módszer kombinált használatával. Az átmeneti országok közül 2000-ben Magyarország 25,1%-os GDP-arányos értékkel a legkisebb méretű rejtett gazdasággal rendelkező országok közé tartozott: az átmeneti országok átlaga 38 százalék volt, csak a csehek és a szlovákok bizonyultak jobbnak, míg az OECD országok átlaga 18 százalék volt. Semjén és Tóth (2004) vállalati adóbevallási adatokra épülő becslései arra utalnak, hogy az 1993 után megfigyelt csökkenés a piacgazdaságra való áttéréssel és a (minősített számviteli rendszereket alkalmazó, több országban működő, nagyobb) külföldi vállalkozások számának növekedésével függött össze.
9
Lásd Árvay és Vértes (1994), Dezsériné et al. (1998), Kállay (1993), Lackó (1992), Lackó (1998).
Fekete foglalkoztatás A feketefoglalkoztatásra vonatkozó egyik első hazai, diszkrepancia módszeren alapuló számítást Ádám és Kutas (2004) közli. Ez a KSH lakossági munkaerő-felmérésének (MEF) és az APEH (a munkából származó jövedelmek után adót fizetők, az APEH vállalati mérlegbeszámolók és az SZJA bevallásokhoz kapcsolódó egyéni és mezőgazdasági vállalkozói jövedelmek) adatainak összevetésén alapul, feltételezve, hogy a munkaerő-felmérés a teljes (fekete- és fehér-) foglalkoztatotti létszámot mutatja. A MEF által kimutatott foglalkoztatotti létszám – a két adatforrás közötti definíciós eltérések korrekciója után – 430-500 ezer fővel többet mutat, és ennek alapján a nem regisztrált munkavállalás mértékét az összes foglalkoztatott arányában körülbelül 13%-ra teszik 2002-ben. 10 Hasonló logikán alapuló, de az ONYF adminisztratív adataiból számított becslést közöl Augusztinovics és Köllő (2007), amelyben a foglalkoztatottak átlagos számát a szolgálati idővel (ledolgozott napok számával) korrigálva számították: eszerint a feketén foglalkoztattak aránya 18% volt 2004-ben. A feketemunka jellemző formáira és ágazati előfordulására néhány lakossági adatfelvétel alapján lehet következtetni. Egy, a 18-60 éves népesség 1000 fős mintáján 2008 tavaszán történt adatfelvétel szerint a megkérdezettek 15%-a dolgozott úgy a kérdezést megelőző két évben, hogy munkabérének egy részét zsebbe kapta (Semjén és szerzőtársai 2009b). Közöttük vannak feketén és szürkén foglalkoztatottak is: 9%-uk nyilatkozott úgy, hogy a legutóbbi ilyen alkalommal a fizetése felénél többet, 6%-uk pedig úgy, hogy a fizetése felénél kevesebbet kapott zsebbe. 11 A tanulmány szerint a zsebbe fizetés a férfiak, a harminc évnél fiatalabbak és az alacsonyabb iskolai végzettségűek körében magasabb az átlagnál. Az Európai Bizottság 2007. évi Eurobarometer felmérésében a 15 évesnél idősebbeket kérdeztek meg a nem bejelentett munkáról (European Commission 2007). A magyar válaszadók 7%-a mondta, hogy végzett feketemunkát, és az alkalmazásban állók 8%-a nyilatkozott úgy, hogy rendszeres jövedelmét teljes mértékben vagy részben zsebbe kapta (az EU-átlag 5% volt). A feketemunka leggyakoribb előfordulására a következő szektorokat említették: építőipar, kereskedelem és javítás. A megkérdezettek szerint a munkanélküliek körében a legelterjedtebb a fekete munkavállalás. Czibik és Medgyesi (2007) a nyugdíjjal kapcsolatos tudatosság és megtakarítási hajlandóság összefüggésében vizsgálta a fekete foglalkoztatást egy 2007. évi lakossági kérdőíves adatfelvétel alapján. Eredményeik szerint a 18-59 éves alkalmazottak és alkalmi munkavállalók egytizedével fordult elő a megelőző egy évben, hogy fizetésük egy részét zsebbe kapták, az átlagosnál gyakrabban az alacsony iskolai végzettségűek, férfiak és a fiatalabbak körében. 10
Ádám és Kutas (2004) utal arra, hogy a MEF a ténylegesnél kevesebb foglalkoztatottat mutat ki a mezőgazdaságban, a diákok és a külföldiek között, ezt alátámasztó mikroszintű adatokat azonban nem közölnek. Alátámasztani látszik ezt a feltevést, hogy az Időmérleg adatok egyedül a 15-24 éves korcsoportban mutatnak a MEF-nél nagyobb foglalkoztatotti létszámot. Ha figyelembe vennénk ezt a 60 ezer fős különbséget, az 1,5 százalékponttal emelné meg a feketemunka általunk becsült arányát. 11 Ezenkívül a válaszadók 14%-a kapta fizetésének egy részét vagy egészét számlára.
A feketemunka időbeli alakulására és területi eloszlására vonatkozóan Sik (2000) közöl becslést. A helyi önkormányzatok megkérdezésén alapuló adatok szerint 1997-ben a települések 37%-ában, 1999-ben 62%-ában fordult elő, azaz az 1990-es évek végén növekvőben volt a feketefoglalkoztatás. Területi eloszlását tekintve az ország nyugati és északi részein kevésbé, a délkeleti és központi régiókban viszont gyakoribb volt a feketefoglalkoztatás. Szürkefoglalkoztatás A korábbi években a magyarországi tanulmányok a szürkebérezésen belül a fiktív (adócsaló) minimálbéresek vizsgálatára összpontosítottak, és közvetett illetve közvetlen módszerekkel is próbálták számszerűsíteni az adócsalás nagyságrendjét ebben a körben. Tonin (2007) közvetett módszerrel becsült eredményei szerint például azokban a szegény háztartásokban, amelynek volt minimálbéren bejelentett tagja, a 2001-2002-es minimálbér-emelések környékén jobban csökkent az élelmiszer-fogyasztás, mint a hasonlóan szegény, de nem minimálbéres háztartásokban. Ebből arra lehet következtetni, hogy a tipikus minimálbéres munkavállaló bérének egy részét „zsebbe” kapja. Ezzel szemben Benedek és szerzőtársai (2006) azt találják, hogy az átlagos minimálbéres nem fogyaszt többet bejelentett jövedelméhez képest, mint egy hozzá hasonló helyzetű, de nem minimálbérre bejelentett dolgozó (ld. még Szabó, 2007). A közvetlen módszerekre rátérve, Krekó és P. Kiss (2007) becslése azzal a feltételezéssel határozza meg a fiktív minimálbéresek és fiktív részmunkaidősök arányát, hogy a valóságos bérek és a részmunkaidősök aránya megegyezik a 0-4 fős és az annál nagyobb vállalkozásoknál. Így azt kapják, hogy 2005-ben több mint 450 ezer ember volt valótlanul minimálbéren vagy az alatt bejelentve (és csak a kisvállalati alkalmazotti kör 500 milliárd Ft bérjövedelmet titkolt el), valamint több mint 300 ezer azon részmunkaidősök száma, akiket munkaadójuk a valóságosnál kisebb munkaidőre jelentett be. Köllő (2008) a bértarifa-felvétel és a munkaerő-felmérés alapján ennél jóval alacsonyabb becslést ad az eltitkolt jövedelem és adóbevétel arányára. Az APEH-adatbázistól eltérően a bértarifa-felvétel nem az éves jövedelmet, hanem a havi keresetet méri és tartalmaz sok, a dolgozókra vonatkozó egyéni jellemzőt (kor, végzettség, foglalkozás stb.). Ezek alapján meg lehet becsülni, hogy mennyi többlet keletkezne az adóbázisban és bevételekben, ha minden, jelenleg minimálbéren foglalkoztatott dolgozót arra az átlagbérre jelentenének be, amit a hasonló képzettségű, foglalkozású, munkatapasztalatú, de nem minimálbéres munkavállalók kapnak. Ha feltételezzük, hogy kicsi azoknak a munkavállalóknak az aránya, akik minimálbér feletti bejelentett bér után kapnak jelentős összeget zsebbe (ez 2003-ra vonatkozóan elfogadható feltételezésnek tűnik), akkor ezzel az eljárással egy durva felső becslés adódik a szürkegazdaság fehérítéséből várható bevételekre. Köllő eredményei szerint – a hangsúlyozottan irreális, teljes fehéredést feltételezve – a járulékbevételek 8,5%-kal, az SZJAbevételek pedig 9,7%-kal nőhetnének, és összesen a GDP 1,3%-ának megfelelő (2003-ban
mintegy 250 milliárd Ft) többletbevétel keletkezne. 12 Ha azonban figyelembe vesszük, hogy a minimálbéresek legalább egyharmada nem fiktív minimálbéres, 1% alatti GDP-arányos értékeket kapunk. Összességében tehát Köllő teljes alkalmazotti körre vonatkozó becslései is alacsonyabbak a Krekó és P. Kiss által a kisvállalatokra közölt összegeknél. A két tanulmány közötti eltérés fő oka, hogy az APEH-adatokból nem lehet tökéletesen kiszűrni a töredékes munkaviszonyokat, ami felfelé torzítja Krekó és P. Kiss számításait. Másrészt viszont a bértarifa-felvétel nem reprezentatív az öt fő alatti vállalkozásokra, ami lefelé torzíthatja Köllő eredményeit. Ez utóbbi hatás lehetőségét mutatja, hogy az öt fő alatti vállalkozásokban Köllő szerint egyharmad, Krekó és P. Kiss szerint 70% volt a minimálbéresek aránya 2003-2005-ben. Az empirikus eredmények különbözősége ellenére mindkét tanulmány azt sugallja, hogy az önfoglalkoztatók adóeltitkolása magasabb a fiktív minimálbéresek adóeltitkolásánál (ld. még Krekó és P. Kiss (2008) 1. táblázatát). Mint már említettük, a feketefoglalkoztatás mellett a szürkebérezést is tárgyalja Semjén és szerzőtársai (2009b) tanulmánya, amely 13%-ra becsüli az elmúlt 2 évben zsebbe fizetést kapók arányát a rendszeresen dolgozókon belül (az összes megkérdezetten belül ez az arány 15%). A felmérés szerint az eltitkolt jövedelem nagysága is jelentős: az összes megkérdezett 9%-ánál az így kapott jövedelem meghaladja fizetése felét, 6%-ánál pedig ez alatt marad. A szürkefoglalkoztatás egyik speciális esetével, az alkalmi munkavállalói (AM) könyvvel történő visszaéléssel foglalkozik Semjén és szerzőtársai (2009a). Az interjús kutatás eredményei szerint az AM könyvet – a szabályozó szándékának megfelelően – általában szezonális, alkalmi munkavállalás esetén használják, ugyanakkor döntő részben nem a szabályoknak megfelelően, hanem a valóságosnál kevesebb napot vagy összeget feltüntetve benne. Az AM könyv tehát segített a feketemunka csökkentésében, de a munkavállalók nem a teljesen legális, hanem a szürkezónába kerültek át. Hivatkozások Ádám S. és Kutas J. (2004): A foglalkoztatottak számának alakulása a személyi jövedelemadó bevallások alapján. Munkaügyi Szemle 3. sz. Árvay J. és Vértes A. (1994): A magánszektor és a rejtett gazdaság súlya Magyarországon, 1980-1992. Összefoglaló. Gazdaságkutató Rt., Budapest. Augusztinovics M. és Köllő J. (2007): Munkaerőpiaci pálya és nyugdíj 1970-2020. Közgazdasági Szemle 54(6), 529-559. Árvay J. és Vértes A. (1994): A magánszektor és a rejtett gazdaság súlya Magyarországon, 1980-1992. Összefoglaló. Gazdaságkutató Rt., Budapest.
12
Saját számításunk szerint ekkor az adóalap körülbelül 400-450 Mrd forinttal nőne.
Belzil, C. (2007): The return to schooling in structural dynamic models: a survey. European Economic Review 51(5), 1059-1105. Benedek D., Rigó M., Scharle Á. és Szabó P. A. (2006): Minimálbér-emelések Magyarországon, 2001-2006. PM kutatási füzetek 16. sz. Card, D. (1996): The effect of unions on the structure of wages: A longitudinal analysis. Econometrica 64, 957-79. Card, D. (1998): Falling union membership and rising wage inequality: What’s the connection? NBER Working Paper No. 6520. Card, D. (1999): The causal effect of education on earnings. In: Ashenfelter, O. és Card, D. (szerk.): Handbook of Labor Economics, volume 3, Elsevier. Christie E. és Holzner, M. (2004): Household tax compliance and the shadow economy in Central and Southeastern Europe. Spring Seminar 2004, WIIW, Bécs. Czibik Á. és Medgyesi M. (2007): A lakosság nyugdíjjal kapcsolatos megtakarítási tudatossága és hajlandósága. Egy lakossági kérdőíves felvétel elemzése. MKIK GVI, Budapest, november. Dezsériné Major M., Futó P. és Kállay L. (1998): Mekkora az informális gazdaság Magyarországon? Budapesti Negyed No. 4. DiNardo, J., Fortin, N., és Lemieux, T. (1996): Labor market institutions and the distribution of wages, 1973-1992: A semi-parametric approach. Econometrica 64, 1001-44. Ecostat (2005): Kísérletek a rejtett gazdaság nagyságának meghatározására. Ecostat Módszertani Füzetek, 3. sz. Edin, P. A. és Holmlund, B. (1995): The Swedish wage structure: The rise and fall of solidarity wage policy? In: Freeman, R: és Katz, L. (szerk.): Differences and changes in wage structures. Chicago: Chicago University Press és NBER. Eilat, Y. és Zinnes, C. (2000): The evolution of the shadow economies in transition countries. Harvard Institute for International Development, Cambridge, MA. Elek P., Osztotics A., Scharle Á., Szabó B., Szabó P. A. (2008): Az Országos Egészségbiztosítási Pénztár (OEP), az Országos Nyugdíjbiztosítási Főigazgatóság (ONYF) és a Magyar Államkincstár (MÁK) kezelésében lévő adatbázisok. In Köllő J. (szerk.): Áttekintés az államigazgatási adatbázisokkal és teljeskörű összeírásokkal kapcsolatos kutatási tapasztalatokról. MTA KTI – Adatbank. Elek P., Szabó P. A. (2008): A fiktív minimálbéresek vizsgálata a bértarifa felvétel segítségével. Kézirat, letölthető: http://www.mktudegy.hu/files/ElekPeter.pdf Elek P., Scharle Á., Szabó B., Szabó P. A. (2009a): A feketefoglalkoztatás mértéke Magyarországon. In: Semjén A. és Tóth I. J. (szerk.): Rejtett gazdaság. Be nem jelentett foglalkoztatás és jövedelemeltitkolás – kormányzati lépések és a gazdasági szereplők válaszai. KTI Könyvek 11. kötet, 84-102.
Elek P., Scharle Á., Szabó B., Szabó P. A. (2009b): A béreket terhelő adóeltitkolás Magyarországon. Közpénzügyi füzetek 23. sz. European Commission (2007): Undeclared work in the European Union. Report, Communication from the Commission to the Council, the European Parliament, the European Economic and Social Committee and the Committee of the Regions. http://ec.europa.eu/employment_social/news/2007/oct/undeclared_work_en.pdf Freeman, R. B. (1993): How much has de-unionization contributed to the rise in male earnings inequality? In: Danziger, S. és Gottschalk, P. (szerk.): Uneven tides. New York: Russel Sage. Freeman, R. B. és Katz, L. F. (1994): Rising wage inequality: The United States vs. other advanced countries. In: Freeman, R. (szerk.): Working under different rules. New York: Russel Sage Foundation. Freeman, R. B. és Needles, K. (1993): Skill differentials in Canada in an era of rising labor market inequality. In: Card, D. és Freeman, R. (szerk.): Small differences that matter. Chicago: University of Chicago Press és NBER. Galasi P. (2004a): Valóban leértékelődtek a felsőfokú diplomák? A munkahelyi követelmények változása és a felsőfokú végzettségű munkavállalók reallokációja Magyarországon 1994-2002. Budapest Working Papers on the Labor Market 2004/3. Galasi P. (2004b): Túlképzés, alulképzés és bérhozam a magyar munkaerőpiacon, 1994-2002. Közgazdasági Szemle 51(5), 449-471. Galasi P. (2006): Pályakezdő diplomások keresetének alakulása – az iskolázottság, a kéozettség, valamint a túlképzés-alulképzés szerepe. In: Fazekas K. és Kézdi G. (szerk.): Munkaerőpiaci Tükör 2006. MTA KTI, Budapest, 107-129. Heckman, J. J., Lochner, L. J., Todd, P. E. (2006): Earnings functions, rates of return and treatment effects: The Mincer equation and beyond. Handbook of the Economics of Education, Elsevier. Kállay L. (1993): Az informális szektor terjedelme Magyarországon. Kézirat, Piacgazdaság Alapítvány, Budapest. Katz, L. F. és Autor, D. H. (1999). Changes in the wage structure and earnings inequality. In: Ashenfelter, O. és Card, D. (szerk.): Handbook of Labor Economics. Elsevier. Katz, L. F. és Murphy, K. M. (1992): Changes in relative wages, 1963-87: Supply and demand factors. Quarterly Journal of Economics 107, 35-78. Kertesi G., Köllő J. (1997): Reálbérek és kereseti egyenlőtlenségek, 1986-1996 (I. rész). Közgazdasági Szemle 44(7-8), 612—634. Kertesi G., Köllő J. (1999): Economic transformation and the return to human capital: The case of Hungary 1986-1996. Budapest Working Papers on the Labor Market 1999/6. Kertesi G., Köllő J. (2001): A gazdasági átalakulás két szakasza és az emberi tőke átértékelődése. Közgazdasági Szemle 48(9), 897-919.
Kertesi G., Köllő J. (2006a): Felsőoktatási expanzió, „diplomás munkanélküliség” és a diplomák piaci értéke. Közgazdasági Szemle 53(3), 201-115. Kertesi G., Köllő J. (2006b): A diplomások keresete 1992-2005-ben. In: Fazekas K. és Kézdi G. (szerk.): Munkaerőpiaci Tükör 2006. MTA KTI, Budapest, 80-88. Kézdi G. (2002): Two phases of labor market transition in Hungary: Inter-sectoral reallocation and skill-biased technological change. Budapest Working Papers on the Labor Market 2002/3. Kézdi G. (2004): Iskolázottság és munkaerőpiaci sikeresség. In: Fazekas K. és Varga J. (szerk.): Munkaerőpiaci Tükör 2004, MTA KTI, Budapest, 43-49. Kim, D.-I. és Topel, R. H. (1995): Labor market institutions and economic growth: Lessons from Korea’s industrialization, 1970-1990. In: Freeman, R: és Katz, L. (szerk.): Differences and changes in wage structures. Chicago: Chicago University Press és NBER. Köllő J. (2008): Two notes on unreported employment and wages, kézirat, 2008. febr. 2. Készült a Világbank és Magyarország kormánya között a fekete (adózatlan) foglalkoztatás visszaszorítása érdekében folytatott együttműködés keretében. Krekó J. és P. Kiss G. (2007): Adóelkerülés és a magyar adórendszer. MNB-tanulmányok 65. Krekó J. és P. Kiss G. (2008): Adóelkerülés és adóváltoztatások Magyarországon. MNBSzemle, 2008. április, 24-33. old. KSH (2005): A rejtett gazdaság átvilágítása és a GDP. KSH Hírlevél. II. évf., 7. sz. Lackó M. (1992): The extent of the illegal economy in Hungary between 1970 and 1989 – a monetary model. Acta Oeconomica 44, 161-190. Lackó M. (1998): The hidden economies of Visegrad countries in international comparison: a household electricity approach. In: Halpern, L. and Wyplosz, C. (eds): Hungary: Towards a Market Economy. Cambridge University Press. Lackó M. (2000): Egy rázós szektor: a rejtett gazdaság és hatásai a poszt-szocialista országokban háztartási áramfelhasználásra épülő becslések alapján, Elemzések a rejtett gazdaság magyarországi szerepéről, 1. sz. MTA-KTI – TÁRKI, Budapest. Lee, D. S. (1998): Wage inequality in the Usduring the 1980’s: Rising dispersion or falling minimum wage? Kiadatlan kézirat, Princeton University. Mincer, J. (1974): Schooling, experience and earnings. Columbia University Press for National Bureau of Economic Research, New York. Murphy, K. M., Riddell, W. C. és Romer, P. A. (1998): Wages, skills and technology in the united States and Canada. In: Helpman, E. (szerk.): General purpose technologies and economic growth. MIT Press. OECD (1993): Employment Outlook. OECD, Párizs. OECD (2004): Employment Outlook. OECD, Párizs. Polónyi I., Tímár J. (2001): Tudásgyár vagy papírgyár. Új mandátum kiadó, Budapest.
Psacharopoulos, G., Patrinos, H. A. (2004): Returns to investment in education: A further update. Education Economics 12(2), 111-134. Schmitt, J. (1995): The changing structure of male earnings in Britain, 1974-1988. In: Freeman, R: és Katz, L. (szerk.): Differences and changes in wage structures. Chicago: Chicago University Press és NBER. Schneider, F. (2002): Size and measurement of the informal economy in 110 countries around the world. Workshop of Australian National Tax Centre, ANU, Canberra, Ausztrália, 2002. júl. 17. Semjén A., Tóth I. J. és Fazekas M. (2009a): Alkalmi munkavállalói könyves foglalkoztatás munkaadói és munkavállalói interjúk tükrében. Megjelent: Rejtett gazdaság. Be nem jelentett foglalkoztatás és jövedelemeltitkolás – kormányzati lépések és a gazdasági szereplők válaszai (szerk.: Semjén A. és Tóth I. J.). KTI Könyvek 11. kötet, 150-183. Semjén A., Tóth I. J., Medgyesi M. és Czibik Á. (2009b): Adócsalás és korrupció: lakossági érintettség és elfogadottság. Megjelent: Rejtett gazdaság. Be nem jelentett foglalkoztatás és jövedelemeltitkolás – kormányzati lépések és a gazdasági szereplők válaszai (szerk.: Semjén A. és Tóth I. J.). KTI Könyvek 11. kötet, 228-258. Sik E. (1995): Measuring the unregistered economy in post-communist transformation. Eurosocial Report No. 52., Bécs. Sik E. (2000): Kgst-piacok és feketemunka – Magyarország 1999. MTA KTK, Budapest, július Strauss, H., de la Maisonneuve, C. (2007). The wage premium on terciary education: new estimates for 21 OECD countries. OECD Economics Department Working Papers No. 589. URL: http://www.olis.oecd.org/olis/2007doc.nsf/linkto/eco-wkp(2007)49 Szabó P. A. (2007): A 2000-2001. évi minimálbér-emelés hatása a jövedelemeloszlásra, Közgazdasági Szemle 54(5), 397-414. Teulings, C. (1995): The wage distribution in a model of assignment of skills to jobs. Journal of Political Economy 103(2), 280-315. Tonin, M. (2007): Minimum wage and tax evasion: theory and evidence. Institute of Economics DP 2007/1., Budapest. Tóth I. J. (2006): Kormányzati lépések hatása a rejtett gazdaságra, Világgazdaság, 2006. március Varga J. (1995): Az oktatás megtérülési rátái Magyarországon. Közgazdasági Szemle 42(6), 583-605.
3. A KÉRDŐÍVES FELVÉTELEKBEN MEGFIGYELT, DE BE NEM JELENTETT MUNKÁBÓL EREDŐ TORZÍTÁS
Köllő János 3. 1. Bevezetés Ebben a résztanulmányban a rejtett foglalkoztatás egy sajátos komponensével foglalkozunk: a hivatalos szerveknek be nem jelentett, de a kérdőíves felvételekben megfigyelt munkával. A KSH és ONYF adatokat összehasonlító korábbi kutatásokból (Ádám-Kutas 2004, Augusztinovics – Köllő 2008, Elek és szerzőtársai 2008) tudható, hogy a rejtett munka egy jelentékeny része a KSH által mért foglalkoztáson belül található, nem értelmezhető az ILOOECD kritériumok szerint mért foglalkoztatás feletti többletként. Az aggregált illetve csoportosított adatokon nyugvó számítások rámutattak, hogy a KSH által mért foglalkoztatotti állomány nagyjából 15-18 százalékkal nagyobb a munkaviszony-bejelentések alapján becsült állománynál. Az itt bemutatott elemzésben – Magyarországon első ízben – egyéni szinten vizsgáljuk, hogy a KSH Munkaerő-felmérése (MEF) szerint állásban lévő nem nyugdíjas munkavállalók közül hányan és milyen ledolgozott munkaidővel jelennek meg a nyugdíjbiztosító nyilvántartásában. Erre a KSH-nak és az ONYF-nek egy, a Nyugdíj- és Idősügyi Kerekasztal által kezdeményezett közös kutatása (Bálint-Köllő-Molnár 2009, 2010) teremtett lehetőséget. A KSH-ONYF felvétel adatbázisából e kutatás keretében épített speciális panelben ugyanis megvizsgálható, hogy a saját közlésük szerint – egy meghatározott munkáltatónál – folyamatosan állásban lévő nem nyugdíjas egyének szereztek-e 100 százalékos jogosultságot a munkaviszonyuk egy-egy évében a nyugdíjbiztosítóhoz beérkezett dokumentumok szerint, ahogy ilyen esetben várnánk. Az 1965-ig visszanyúló és 2006-ig terjedő megfigyelések szerint a bejelentett munkavégzés aránya még ebben a stabil munkaviszonyban álló népességben sem haladta meg a 87-89 százalékot, és nagy számban találunk olyanokat, akik egy vagy több évben egyáltalán nem végeztek bejelentett munkát, nem keletkezett úgynevezett nyenyi-lapjuk 13. A bértorzítás szempontjából nem mindegy, hogy a nyugdíjbiztosítónál be nem jelentett napok mögött alapvetően fizetetlen munkaszünetek állnak-e (a biztosítotti jogviszonyt megszakító, de a munkavállaló és a munkáltató közötti kapcsolatot fenntartó szezonális kimaradások, ideiglenes elbocsátások), vagy fizetett, de az adóelkerülés szándékával be nem jelentett munkaidő. Eredményeink alapján valószínűsíthető, hogy a bejelentés elmulasztása, az adókerülés a munkaszüneteknél sokkal fontosabb szerepet játszik, a hiányzó szolgálati idő mintegy 85-90 százalékát magyarázza.
13
Teljes nevén: Nyugdíjbiztosítási Egyéni Nyilvántartó Lap. A tanulmányban ezen a gyűjtőnéven említjük a korábbi Munkaviszony Nyilvántartó Lapokat (MUNYI) és Társadalombiztosítási Egyéni Nyilvántartó Lapokat (TENYI).
A diplomásoknál a bejelentett munkavégzés aránya közelebb áll a várt 100 százalékos értékhez, mint az érettségizetteknél, és ez potenciálisan torzítja a kereseti előnyükre vonatkozó, intézményi adatokon nyugvó becsléseket. 3. 2. Milyen nagyságrendű a be nem jelentett, de a kérdőíves felvételekben megfigyelt munka? Egyáltalán érdemes-e foglalkozni a nyugdíjbiztosítónak be nem jelentett, de a MEF-ben, vagy más kérdőíves felvételekben megfigyelt munkával, és annak esetleges bértorzító hatásával? Nyilvánvaló, hogy a feketemunkát végzők egy része nem csak az adóhivatal vagy a nyugdíjbiztosító elől rejti el a munkáját és a jövedelmét, de a KSH kérdezőbiztosának sem szívesen számol be róla. A már idézett kutatások azonban egy-egy év adatait vizsgálva rámutattak, hogy a MEF meglepően magas arányú be nem jelentett munkát figyel meg, és ezt megerősítik az 1. táblázat adatai, melyek tízéves időtávon mutatják az ONYF és a MEF által mért nem nyugdíjas foglalkoztatotti állomány eltérését. 1. táblázat Az év során bejelentett munkát végzők (ONYF-KELEN) és az ILO-OECD foglalkoztatottak (KSH MEF) éves átlagos állományi létszáma 1997-2006-ban
1997 1998 1999 2000 2001 2002 2003 2004 2005 2006
ONYF-KELEN fő 3 170 009 3 186 087 3 255 928 3 167 713 3 279 972 3 259 397 3 289 951 3 327 351 3 294 213 3 206 394
KSH MEF Fő 3 509 027 3 584 044 3 663 642 3 727 029 3 757 385 3 753 717 3 772 614 3 740 941 3 745 774 3 776 291
Bejelentési arány % 90.3 88.9 88.9 85.0 87.3 86.8 87.2 88.9 87.9 84.9
Forrás: ONYF-KELEN, KSH Munkaerő-felmérés, Augusztinovics Mária és a szerző számításai. A használt adatbázis megegyezik az Augusztinovics-Gyombolai-Máté (2008) tanulmányban használttal.
Az Országos Nyugdíjbiztosító Főigazgatóság jóvoltából ismerjük az úgynevezett valódi jogszerzők számát, azokét, akik az év során akár csak egynapi járulékköteles foglalkoztatási jogviszonyt jelentettek a nyugdíjbiztosítónak. 14 Ez egy folyamlás típusú adat (nevezzük Nnek), ami önmagában nem vethető össze a munkaerő-felvételnek a foglalkoztatotti állományra vonatkozó pontszerű megfigyeléseivel. A jogszerzők éves átlagos állományának nagysága (J) azonban megbecsülhető az egyes foglalkozásokban az év során átlagosan 14
Az adatokhoz Augusztinovics Máriával közös kutatásunk (Augusztinovics–Köllő, 2007) révén jutottam, amiért neki, továbbá mindenekelőtt Máté Leventének és Gyombolai Mártonnak (ONYF) tartozom köszönettel.
összegyűjtött szolgálati idő változójának (t) felhasználásával. Annak valószínűsége, hogy a potenciális jogszerző népesség egy tagja az év egy véletlenszerűen kiválasztott napján járulékköteles munkát végzett p = t/365-tel egyenlő, és J = pN. A munkaerő-felvétel esetében az éves átlagos foglalkoztatotti állományt a négy negyedév megfigyeléseinek átlagaként közelíthetjük, figyelmünket a nem nyugdíjas népességre korlátozva. 15 Látható, hogy a MEF-ben mért foglalkoztatásban a megvizsgált tízéves időszakban 10-15 százalékos arányt képviselt a feketemunka, vagy másképp fogalmazva, a bejelentett foglalkoztatást 11-18 százalékkal bővítette a nem regisztrált munkavégzés. Ezek az értékek összhangban állnak a kötetünk irodalom-összefoglalójában áttekintett magyar kutatások becsléseivel: a feketemunka arányát Adám-Kutas (2004) 13 százalékra, Semjén et al. (2008) 15 százalékra, Medgyesi-Czibik (2007) nagyjából 10 százalékra becsüli. 16 A rejtett gazdaság egészének GDP-n belüli rászarányára vonatkozó 12-34 százalékos becslések fényében (lásd Kiss 2010 áttekintését jelen kötetben) úgy tűnik, hogy a be nem jelentett, de a MEF-ben megfigyelt munka a teljes rejtett munkavégzés tekintélyes részét teheti ki, részletesebb vizsgálata közelebb vihet a bértorzítás forrásainak felderítésében is. 3. 3. Az elemzés váza Célunk végső soron annak megállapítása, hogy a diplomások kisebb vagy nagyobb mértékben végeznek-e rejtett, bejelentetlen és ennél fogva intézményi béradatokat nem generáló munkát, továbbá, hogy az ennek figyelembe vételével végzett becslések vajon nagyobbnak vagy kisebbnek mutatnák-e az érettségizettekkel és más csoportokkal szembeni kereseti előnyüket, mint az intézményi adatokon nyugvó elemzések. A kutatáshoz azonban kerülő utat kell választanunk, hiszen a vizsgált jelenségről közvetlen megfigyelések értelemszerűen nem állnak rendelkezésre. A követett eljárás sémáját az 1. ábra mutatja. Kiindulópontunk az a népesség, amely 2008 január-márciusban, a MEF-kérdezés időpontjában állásban volt és dolgozott az ILO-OECD kritériumok szerint, azaz, a referenciahéten legalább egy órai fizetett munkát végzett, vagy nem végzett egyet sem, de csak átmenetileg, szabadság vagy táppénz miatt volt távol a munkájától. E népesség tagjairól tudjuk, hogy mikor léptek be a munkahelyükre.
15
Valójában az ONYF-adatok esetében sem az egyén, hanem az egyén egy meghatározott munkaviszonya („okmánya”) a megfigyelési egység. A szolgálati időt is okmányonként, az azon szereplő FEOR-kód szerint összegezzük. Pontosan fogalmazva tehát J = pN az év egy véletlenszerűen kiválasztott napján éppen „élő” munkaviszonyok átlagos állományát jelenti, ami analóg a munkaerő-felvételben szereplő adattal. 16 Augusztinovics-Köllő (2007) tizenöt kiválasztott évjárat adataival magasabb, 18 százalékos arányt mutatott ki, az EC (2007) nemzetközi kutatás a fentieknél alacsonyabbat (7 százalék).
1. ábra: Állásban lévők, foglalkoztatottak, bejelentett foglalkoztatottak Ugyanezen a munkahelyen volt állásban 2007 előtt
2008 január-márciusban
Egy adott napon dolgozott, vagy csak átmenetileg volt távol a munkahelyétől
Állásban volt és dolgozott
Nyenyi-lap van
(b) (a) (c)
Nyenyi-lap nincs
Nem dolgozott
Konkrét célunk annak a megállapítása, hogy a munkahelyre történt belépéstől a kérdezésig eltelt időben mennyi bejelentett szolgálati időt gyűjtöttek a vizsgált populáció tagjai. Azt várnánk, hogy 100 százalékot, hiszen a kérdezettek a munkaviszony megkezdésétől a kérdezésig eltelt idő minden napján munkaviszonyban álltak és – gondolnánk – dolgoztak is. Ez azonban nem feltétlenül igaz, mert elképzelhető, hogy a munkavállaló szezonális kimaradások, ideiglenes elbocsátás, fizetetlen készenléti idő, gyárleállás, sztrájk vagy más okok miatt rövidebb-hosszabb időszakokban nem dolgozott, nem minősült volna ILO-OECD foglalkoztatottnak, ha megkérdezték volna egy, a MEF-hez hasonló adatfelvételben. Ez az egyik módja annak, hogy az illetőről – noha a munkaviszonya a saját értékelése szerint folyamatos – az ONYF-nél ne keletkezzék úgynevezett nyenyi-lap, a munkavégzésről szóló igazolás. Erre az eshetőségre utalnak az ábrán (a)-val és (c)-vel jelzett nyilak. Ha a kérdezett a belépéstől a kérdezésig eltelt idő egy részében vagy egészében dolgozott (az ILO-OECD kritériumok szerint), akkor sem feltétlenül szerzett ennek megfelelő hosszúságú szolgálati időt, ha a munkáltatója rövidebb-hosszabb időszakokban nem jelentette be. Erre utal az ábrán (b)-vel jelzett nyíl. Amikor tehát a folyamatosan állásban lévők nyenyi-lapokkal igazolt szolgálati idejét vizsgáljuk, akkor kétféle okból – munkaszünetek vagy adóelkerülés miatt – találkozhatunk 100 százaléknál alacsonyabb értékekkel. Meg fogjuk mutatni, hogy a vizsgált populációban és időszakban átlagosan csupán 87-89 százalékos nyugdíj-jogszerzési idő nagyjából 5/6 része az adóelkerülés számlájára írható, és hogy ez nagyobb mérvű a szakmunkás vagy középiskolai végzettségű csoportoknál, mint a diplomásoknál: a diplomások munkavégzését fokozattól függően 5-8 százalékkal nagyobb valószínűséggel jelentik be, mint az érettségizettekét. 3. 4. Adatok A MEF kérdezőbiztosai a 2008. első negyedévében felkeresett személyeknek felajánlották a lehetőséget, hogy egy előrenyomtatott levél aláírásával, bérmentesített boritékban kérjenek az ONYF-től betekintést a róluk tárolt okmányokba. Aki élni kívánt a lehetőséggel, annak a
levelére rávezették a MEF-beli azonosító számait. Az ONYF-hez összesen 9611 ilyen kérelem érkezett. Az érdeklődők alfanumerikusan még nem tárolt okmányait az ONYF rögzíttette, majd kiegészítette a már alfanumerikusan is meglévő adatokkal. Összesen mintegy 190 ezer okmányról több, mint három millió adatot dolgoztak fel, majd az érdeklődő ügyfeleknek választ küldtek. A nem azonosítható, illetve ONYF okmánnyal nem rendelkező, valamint a visszakérdező ügyfelek által még vitatott eseteket kiszűrve, az ONYF 9452 személy 2007-ig tartó munkatörténetét tárta fel. Ezek közül 8528 személy MEF-beli adatait a KSH átadta az ONYF-nek. 17 Kisebb esetszám-veszteség származott abból, hogy a kérdezettek egy részének neme illetve kora nem egyezett meg a MEF-ben és a Kelenben. A kérdezett neme 309 esetben tért el, a születési évben pedig 242 esetben találtunk két évnél nagyobb különbséget. (Ennél kisebb differenciát még megengedhetőnek tartottunk, tekintetbe véve, hogy a kérdőívet nem mindig a célszemély válaszolja meg). A kétféle hiba összesen 565 fővel csökkentette az elemzésbe vonható minta méretét, ami végül is 8032 főből áll. Közülük 6403 fő minősült ILO-OECD foglalkoztatottnak 2008 január-márciusban. A szóban forgó 6403 személyről tehát a MEF-nek köszönhetően tudjuk, hogy mikor léptek be a kérdezéskori munkahelyükre, és hogy a munkaviszonyuk egyes éveiben mekkora szolgálati időt halmoztak fel az ONYF nyilvántartása szerint. 3. 5. Mintaszelekció és súlyozás Nyilvánvaló, hogy az ONYF-től adatot kérők nem véletlenszerűen választódtak ki a magyar népességet reprezentáló MEF-mintából, ezért az adatok csak a rendelkezésünkre álló minta megfelelő súlyozásával – torzultságának korrigálásával – adhatnak képet a teljes népesség nyugdíj-jogszerzéséről. Megfelelő súlyok kialakításához figyelembe kell venni a mintába kerülésre ható különféle tényezőket. Az eljárás során azzal a feltevéssel élünk, hogy a megfigyelt változók (nem, életkor, iskolázottság, lakóhely, állampolgárság, munkaerő-piaci és transzfer-státusz) alapján képezhető csoportokon belül a mintába kerülés véletlenszerű volt. Ha sikerül megbecsülnünk, hogy a mintába ki milyen eséllyel került be, akkor a bekerülési esély reciproka megfelelő súly: a nagy valószínűséggel bekerülő egyének alacsony, a kis eséllyel bekerülők magas súlyt kapnak, a súlyozott mintában az előbbiek kevés, az utóbbiak sok magukhoz hasonló - hasonlónak feltételezett – egyént reprezentálnak. A súlyozási eljárás leírását lásd a Függelékben és részletesebben a Bálint–Köllő–Molnár (2009) tanulmányban. További, és ezúttal nem korrigálható torzuláshoz vezet, hogy a folyamatos munkaviszony alatt megszerzett szolgálati időt megfelelő pontossággal csak 2006-ban és azt megelőzően 17
Az adatkérők és a MEF-adattal rendelkezők száma közötti eltérés abból adódik, hogy 925 olyan személy is küldött levelet az ONYF-nek, aki nem szerepelt a MEF mintakeretben: olyan, a nyugdíjkilátásaik iránt érdeklődő szomszédok, rokonok, barátok, akiknek a mintabeli személyek átadták vagy lefénymásolták a levelet.
tudtuk megfigyelni. Az adatfelvétel időpontjában a 2007. évi jogszerzési adatok még hiányosak voltak, az ONYF-KELEN adatai ugyanis általában csak a tárgyévet követő év végére válnak teljeskörűvé és megbízhatóvá. Ezért a mintát azokra szűkítettük, akik 2006 előtt léptek be a 2008 elején még meglévő munkahelyükre, és nem kaptak nyugdíjat 2008ben. Esetükben a munkahelyen töltött teljes éveket vettük figyelembe, tehát ha a belépés a t. évben történt, akkor a t+1, t+2, …, 2006 éveket. Íly módon 4,715 személy összesen 54,714 éves adatával rendelkeztünk. A megfigyelt személyek belépési idő szerinti megoszlását az 1. táblázat mutatja. Látható, hogy a mintabeli egyének háromnegyede 2004 előtt, fele 2000 előtt, egynegyede 1993 előtt lépett be a kérdezéskori munkahelyére. 1. táblázat Az elemzett minta összetétele a munkaviszony hossza szerint Év
1965 1966 1967 1968 1969 1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 1980 1981 1982 1983 1984 1985
Az adott évben
Kumulált
mindvégig a 2008 elején
Év
Az adott évben
Kumulált
gyakoriság
mindvégig
gyakoriság
(%)
a 2008 elején
(%)
megfigyelt
megfigyelt
állásában
állásában
dolgozott
dolgozott
(fő)
(fő)
2 3 9 13 29 46 71 97 126 168 205 248 296 337 395 443 508 571 638 691 781
0.00 0.01 0.03 0.05 0.10 0.19 0.32 0.49 0.72 1.03 1.41 1.86 2.40 3.02 3.74 4.55 5.48 6.52 7.69 8.95 10.38
1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006
860 964 1,055 1,127 1,214 1,369 1,470 1,642 1,777 1,904 2,047 2,227 2,447 2,635 2,848 3,165 3,429 3,744 4,035 4,363 4,715
11.95 13.71 15.64 17.70 19.92 22.42 25.11 28.11 31.35 34.83 38.58 42.65 47.12 51.93 57.14 62.92 69.19 76.03 83.41 91.38 100.00
Az adathiány azzal a következménnyel jár, hogy látókörünkön kívül maradnak a munkahelyükön kevesebb mint két éve dolgozók, akik esetében a bejelentési arány minden valószínűség szerint alacsonyabb az átlagosnál. Az ilyen rövid ideje dolgozók aránya magasabb a képzetlen csoportoknál: a négy iskolázottsági fokozatban (általános, szakmunkás, érettségizett, diplomás) rendre 29, 24, 18 és 14 százaléknak adódik a 2008 január-márciusi MEF-ben. Ha őket is be tudnánk vonni az elemzésbe, minden bizonnyal még nagyobb iskolázottság szerinti különbséget látnánk a bejelentési arányokban. Ezt a következtetések levonásakor figyelembe fogjuk venni. 3. 6. Bejelentett szolgálati idő – Leíró statisztikák Mint a 2. táblázatban látható, a vizsgált egyének a belépéstől 2006 végéig eltelt időben a folyamatosan fennálló munkaviszonyuk ellenére sem szereztek 100 százalékos szolgálati időt: az átlag a súlyozási eljárástól függően 87-89 százalékos, a szórás 31-33 százalékos volt. 2. táblázat Az utolsó munkahelyen a belépéstől 2006 végéig megszerzett szolgálati idő a maximálisan megszerezhető idő százalékában Súlyozatlan MEF-súlyokkal Súlyozott Átlag Szórás
88.1 31.3
87.6 32.0
MEF-súlyokkal A mintaszelekciós és a mintaszelekciós probit alapján probit alapján súlyozott súlyozott 86.9 87.9 32.6 31.5
Esetszám: 4715 fő, 54714 éves periódus
3. táblázat Az utolsó munkahelyen a belépéstől 2006 végéig megszerzett szolgálati idő a maximálisan megszerezhető idő százalékában – megoszlások
Zérus 1-25% 25-50% 50-75% 75-99% 100%
Súlyozatlan
MEF-súlyokkal Súlyozott
10.6 0.7 0.7 0.9 3.9 83.2
11.1 0.7 0.7 0.9 3.9 82.7
Esetszám: 4715 fő, 54714 éves periódus
MEF-súlyokkal és a mintaszelekciós probit alapján súlyozott 12.4 0.9 0.8 1.1 4.5 80.3
A mintaszelekciós probit alapján súlyozott 11.5 0.8 0.8 1.0 4.4 81.6
A magas szórásértékek sejtetik, hogy az egyes években megszerzett osztónapok szélsőségesen oszlanak meg, amit a 3. táblázat adatai alátámasztanak. A 100 százalékos szolgálati időt szerzők aránya 80-83 százaléknak adódik, és látható, hogy az ennél kevesebbet szerzők zöme, a teljes minta 11-12 százaléka, egyetlen nyugdíjpontot sem szerzett a munkahelyre való belépéstől 2006 végéig eltelt időben. Az alábbiakban a nyugdíj-jogosultságot megalapozó szolgálati idő alakulását a legfontosabb dimenziók: nemek, életkor, foglalkozás, iskolázottság és a munkaviszony hossza szerint vizsgáljuk, majd az időbeni mozgását vesszük szemügyre. Nemek. A nyenyi-lapokkal igazolt szolgálati idő lényegesen magasabb a nőknél: a teljes időszakban átlagosan 90 százalék a férfiaknál mért 84 százalékkal szemben. Egyetlen osztónapot sem szerzett 9 illetve 14 százalék. Életkor. A mindenkori 15-30 évesek egy-egy évben átlagosan 86, a 31-50 évesek 88, az ennél idősebbek 82 százalék szolgálati időt halmoztak fel. Az egyetlen napot sem szerzettek aránya rendre 11, 11 és 16 százalék. 4. táblázat Az utolsó munkahelyen a belépéstől 2006 végéig megszerzett szolgálati idő a maximálisan megszerezhető idő százalékában foglalkozások szerint Átlag Szórás Zérus Szolgáltató foglalkozások 59.7 48.1 36.6 Mezőgazdasági foglalkozások 65.1 46.2 30.3 Őrök, portások 76.8 40.6 20.4 Építőipari foglalkozások 77.7 40.0 18.6 Járművezetők 79.1 40.0 19.2 Diplomás foglalkozások (kivéve tanár, orvos) 80.5 38.6 17.0 Kereskedelmi, vendéglátóipari foglalkozások 83.2 36.1 15.0 Ügyintézők 85.0 34.5 12.6 Anyagmozgatók 85.7 32.2 9.4 Ipari foglalkozások 86.5 32.7 11.6 Vezetők 88.2 31.3 10.4 Takarítók 89.1 29.8 8.8 Technikusok 91.3 27.3 7.7 Irodai dolgozók 92.1 25.3 5.8 Tanárok és orvosok 94.4 21.9 4.6 Gépkezelők 94.8 20.6 3.0 A foglalkozási besorolásról lásd a Függeléket! Súlyozás a szelekciós probit alapján
Foglalkozás. A foglalkozások szerinti bontás (4. táblázat) a várt sémát követi: a bejelentett napok száma igen alacsony a szolgáltató, mezőgazdasági és építőipari foglalkozásokban
valamint az őröknél, portásoknál és járművezetőknél, és ezekben a foglalkozásokban 19-37 százalékot tesz ki az egyetlen napot sem szerzők aránya. A tanárok és orvosok nélkül számított diplomás foglalkozásokban az átlagos jogszerzés 80.5 százalék, alig magasabb, mint a sofőröknél, és alacsonyabb, mint a kereskedelmi-vendéglátó szakmákban, de az ugyancsak sok diplomást foglalkoztató ügyintézőknél 85, a vezetőknél 88, az orvosoknál és tanároknál pedig 95 százalék. 18 Iskolázottság. A legalacsonyabb szolgálati időértékeket a középiskolában végzetteknél látjuk (5. táblázat), hozzájuk képest a 8 általánost, vagy azt sem végzettek árnyalatnyi, a diplomások jelentősebb előnyben vannak, átlagos igazolt szolgálati idejük 7-8 százalékkal magasabb. 5. táblázat Az utolsó munkahelyen a belépéstől 2006 végéig megszerzett szolgálati idő a maximálisan megszerezhető idő százalékában iskolázottság szerint Átlag
Szórás
Zérus
0-8 osztály
87.9
31.0
9.8
Szakmunkásképző
84.9
34.5
12.9
Szakközépiskola
85.5
34.2
12.5
Gimnázium
83.7
35.9
14.3
Főiskola
90.6
28.2
9.1
Főiskola, egyetem
91.2
27.3
7.2
A foglalkozási besorolásról lásd az 1. függeléket! Súlyozás a szelekciós probit alapján
A nyenyi-lapokkal igazolt szolgálati idő az adott munkahelyen rövid vagy nagyon hosszú ideje alkalmazottak esetében alacsonyabb az átlagosnál. Ebben a szolgálati idővel összefüggő okok mellett naptári időhatások is szerepet játszanak (a nem régóta dolgozók más feltételekkel léptek be, mint a törzsgárdatagok) – a kétféle hatás szétválasztására a többváltozós elemzésben teszünk kísérletet. Emlékeztetünk, hogy az ábra a (2008-ban) nem nyugdíjasokra vonatkozik, tehát nem a nyugdíj melletti be nem jelentett foglalkoztatás okozza a két görbe lefelé illetve felfelé fordulását a 35-45 éves szolgálati időtartományban.
18
A foglalkozási besorolás a MEF-kérdezés időpontjában érvényes FEOR alapján történt. Az egyes szakmák művelői azonban a vállalaton belül mozoghattak a különféle foglalkozások között. A munkaviszony egyes éveiben érvényes besorolásról nem áll rendelkezésre adat.
2. ábra Az utolsó munkahelyen a belépéstől 2006 végéig megszerzett szolgálati idő a maximálisan megszerezhető idő százalékában, a belépéstől eltelt idő szerint
0
.2
.4
.6
.8
1
(a nyugdíjasok kizárásával)
10 20 30 A belépéstõl 2008-ig eltelt évek száma
0
átlag
40
zérus
Végül, de nem utolsó sorban - és az előbukkanó furcsaságok miatt elég hosszadalmasan – az évente megszerzett osztónapok időbeni mozgását fogjuk megvizsgálni. A 3. ábrán látható grafikonok arra utalnak, hogy a szolgálati idő átlaga csökkent, a zérus napot szerzettek száma nőtt a nyolvcanas-kilencvenes években, majd hirtelen növekedésre illetve csökkenésre utalnak az adatok. Két törést látunk az idősorokban: 1988-ban és 1999-ben.
0
.2
.4
.6
.8
1
3. ábra Az utolsó munkahelyen a belépéstől 2006 végéig megszerzett szolgálati idő a maximálisan megszerezhető idő százalékában az egyes naptári években
1970
1990
1980 átlag
2000 zérus
2010
Az 1987 és 1988 közötti törés (egyik évről a másikra 4-5 százalékponttal nő meg az osztónapok száma) mögött feltételezhetően az áll, hogy 1997-ben, a jogszabályban rögzített feltételeknek megfelelően, 1988-ig visszamenően átvizsgálták és korrigálták a jogszerzési adatokat. (1988-tól kezdve a nyugdíj összegét az 1988 és a nyugdíjazás időpontja közötti valorizált nettó átlagkereset összegéből állapítják meg). Valójában nem hirtelen „ugrásról” van szó, hanem arról, hogy az 1988-at megelőző évek korrigálatlan adatai lefelé torzítanak, azaz az igazi jogszerzési görbe magasabban húzódna. A Bálint-Köllő-Molnár (2009) tanulmány megvizsgálta, hogy kiket érintett erősen a korrekció. Míg a személyes jellemzők semmilyen befolyást nem gyakoroltak az 1987-88-as ugrásra, annak nagysága erősen összefüggött a hosszabb időszakban mért átlagos jogszerzési idővel, a munkaerő-piaci pálya szakadozottságával, ami alátámasztani látszik, hogy valóban nem egyszeri törésről van szó, hanem arról, hogy az 1988 előtti adatok korrigálatlanok és lefelé torzítanak. Az 1998-99. évi ugrás okát nem sikerült felderítenünk. A NYENYI-lapot ugyan az 1997. évi LXXXI. Törvény vezette be, de az adatszolgáltatásra kötelezett kör ekkor nem változott. A vállalatméret szerint megbontott adatok azonban (4. ábra) arra utalnak, hogy a 2008-ban tíz fősnél kisebb – nagy valószínűséggel korábban is kicsi - vállalatoknál dolgozók esetében a szolgálati idő - folyamatos csökkenést követően – 1999-ben harminc százalékponttal megnőtt, a zérus szolgálati időt szerzők aránya pedig közel negyvenről alig tizenöt százalékra csökkent. 4. ábra Az utolsó munkahelyen a belépéstől 2006 végéig megszerzett szolgálati idő a maximálisan megszerezhető idő százalékában, az egyes naptári években, vállalatméret szerint A szolgálati idő zérus (%)
.5
.1
.6
.2
.7
.3
.8
.4
.9
.5
Szolgálati idő (%)
1970
1980
1990
Tíz fõsnél nagyobb
2000 Tíz fõsnél kisebb
2010
1970
1980
1990
Tíz fõsnél nagyobb
2000
2010
Tíz fõsnél kisebb
Mindebből különféle tartalmi és technikai következtetések adódnak. Egyrészt, az adatok arra utalnak, hogy az ONYF és a MEF által mért foglalkoztatás különbségének az ezredforduló utáni csökkenése (az itt vizsgált népességben) látszólagos, a számbavétel változásából adódik. Valójában sem a nagyobb, sem a kisebb vállalatok körében nem figyelhető meg az igazolt szolgálati idő növekedése, illetve a teljesen bejelentetlen munka csökkenése ebben az időszakban.
6. táblázat Az utolsó munkahelyen 1999-től, vagy az ennél későbbi belépéstől 2006 végéig megszerzett szolgálati idő a maximálisan megszerezhető idő százalékában Átlag Zérus Nem Férfiak Nők Életkor a jogszerzéskor 15-30 éves 30-50 éves 50- éves Foglalkozás (2008-ban) Mezőgazdasági foglalkozások Szolgáltató foglalkozások Őrök, portások Építőipari foglalkozások Anyagmozgatók Járművezetők Ügyintézők Takarítók Diplomás foglalkozások (kivéve tanár, orvos) Ipari foglalkozások Technikusok Kereskedelmi, vendéglátóipari foglalkozások Vezetők Gépkezelők Irodai dolgozók Tanárok és orvosok Iskolázottság 0-8 osztály Szakmunkásképző Szakközépiskola Gimnázium Főiskola Főiskola, egyetem
85.4 92.2
12.1 6.4
87.2 90.3 82.2
9.0 8.3 15.2
63.1 69.8 74.2 83.3 84.6 88.8 89.0 89.1 89.1 90.3 91.0 91.1 92.9 94.8 95.1 95.5
32.4 27.4 22.4 13.3 10.4 9.5 8.8 9.3 9.0 7.5 8.0 6.6 6.0 2.8 3.7 3.5
88.4 88.1 88.2 85.7 90.7 93.9
8.9 9.8 9.9 12.5 7.8 5.1
Másfelől, a számbavétel változása torzíthatja az iskolázottsági, életkori és más csoportokra vonatkozó szolgálati idő-becsléseket, illetve ezek dinamikáját, ha e csoportok vállalatméret szerinti összetétele erősen eltér. Úgy tűnik, a torzító hatás nem erős: az 1998 utáni adatok (6. táblázat) ugyanolyan jellegű és hasonló mértékű csoportközi eltérésekre utalnak, mint a teljes életpályára vonatkozó, a korábbiakban megismert számok. A foglalkozási sorrend
kismértékben módosul, az iskolázottság szerinti különbségek pedig annyiban változnak, hogy a 0-8 osztályt végzettek adata ezúttal nem magasabb, mint a középfokon végzetteké. A diplomásoknál az 1998 utáni adatok 5-8 százalékos előnyre utalnak, a teljes életpályára számított 7-8 százalékkal szemben. Ebben természetesen nem csak a számbavételi változás játszik közre, hanem a tényleges munkaerő-piaci fejlemények is. A minket érdeklő iskolázottság szerinti különbségek stabilitása miatt remélhető, hogy a teljes szolgálati időre vonatkozó (1999 előtti adatokat is használó), fix évhatásokkal becsült és a vállalatméretre kontrollált modellek minimális mértékben torzítanak. Mindazonáltal, e modelleket a teljes munkaviszonyra, és az 1998 utáni periódusra külön-külön is meg fogjuk becsüni. 3. 7. A szolgálati idő többváltozós elemzése Az igazolt szolgálati idő egyének közötti szóródását az alábbi típusú véletlen egyedhatásokat és fix évhatásokat feltételező lineáris regressziós (1) és logit (2) panel modellekkel becsüljük:
(1)
H it = βX it + T ′γ + uit
(2)
Pr( H it = 0) = βX it + T ′γ + uit
ahol H az i-ik egyén által a t-ik évben megszerzett relatív szolgálati idő (0 ≤ H i ≤1), T a naptári éveket jelölő dummy változók vektora, az X-ek az egyénre és munkáltatójára vonatkozó magyarázó változók és u a meg nem figyelt jellemzőket megragadó reziduum. Az X-ek egy kis része időben változó (szolgálati idő, életkor), de az esetek többségében nem rendelkezünk a múltra vonatkozó megfigyelésekkel, a változók tehát egyénre rögzítettek és a 2008. évi állapotot tükrözik. Ez a használt változók nagyobb része esetében nem jár jelentős mérési hibával, mert valóban rögzített, vagy legalábbis az esetek nagy részében rögzítettként kezelhető attribútumokról van szó (nem, iskolázottság, ágazat, kisrégió). Valószínűleg kevéssé változik időben a foglalkozási jogviszony és a foglalkozás – ne feledjük, hogy ugyanazon vállalatra vonatkozó adatokról van szó. A vállalatméret, a tulajdon, valamint a munkarend és munkaidő azonban többször is változhattak a munkaviszony időtartama alatt. Az ezeket mérő változókra vonatkozó paraméterek (még ha, mint látni fogjuk, a várakozásnak megfelelően viselkednek is) nyilvánvalóan kevéssé megbízhatóak. Bevezetésképp megbecsüljük az (1) egyenletet a teljes periódusra, és ennek az alapmodellnek az eredményeit részletesen áttekintjük. Ezt követően az (1) és (2) modellek több variánsát is megbecsüljük, de csak az iskolázottsági változók paramétereit tárgyaljuk.
7. táblázat Az ONYF által nyilvántartott szolgálati idő panel regressziós becslése Függő változó: bejelentett éves szolgálati napok/365(366)
Együttható -.0372
t-érték -5.41
Szign. 0.000
.0202 .0430 .0273 0 .0381 .0803
1.35 3.21 1.98 .. 2.40 4.18
0.176 0.001 0.048 ..
Évek az adott munkahelyen* Évek az adott munkahelyen négyzete* Évek az iskola elhagyása óta* Évek az iskola elhagyása óta négyzete*
.0077 -.0002 -.0023 .0001
8.74 -7.33 -2.14 3.37
0.000 0.000 0.033 0.001
Alkalmazott vállalatnál, intézménynél Alkalmazott egyéni vállalkozónál Alkalmi munkás Egyéni vállalkozó Társas vállalkozás tagja
0 -.0616 -.7035 -.1656 .0016
.. -3.44 -12.77 -7.80 0.08
.. 0.001 0.000 0.000 0.937
Részmunkaidős Végez esti, északai, szombat-vasárnapi munkát Rendszeresen otthon vagy munkahelyétől távol dolgozik Rendhagyó munkarendben dolgozik
-.0631 -.0224 -.0836 -.0287
-2.32 -2.92 -2.71 -2.18
0.020 0.004 0.007 0.029
.0229
2.50
0.012
Alkalmazottak száma: 1 fő Alkalmazottak száma: 2-4 fő Alkalmazottak száma: 5-10 fő Alkalmazottak száma>10 fő Alkalmazottak száma: nem tudja
-.1441 -.0302 -.0043 0 -.0063
-5.51 -2.31 -0.47 .. -0.54
0.000 0.021 0.640 .. 0.592
Mezőgazdaság Ipar Építőipar Szállítás Kereskedelem, vendéglátás Szolgáltatás
-.1192 0 -.0371 -.2108 -.0052 -.0237
-7.61 .. -2.15 -8.81 -0.41 -2.09
0.000 .. 0.032 0.000 0.684 0.037
Férfi 0-8 osztály Szakmunkásképző Érettségi+szakképzettség Érettségi szakképzettség nélkül Főiskola Egyetem
A vállalat többségi külföldi tulajdonban van
0.001
Oktatás, egészségügy, közigazgatás
-.0242
-2.12
0.034
Kistérségi munkanélküli ráta* Budapest
-.1476 -.0699
-1.97 -3.13
0.048 0.002
1965 1966 1967 1968 1969 1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002
-.0131 .0130 -.1166 -.0361 .0316 .0276 .0000 -.0133 -.0329 -.0256 -.0157 -.0361 -.0563 -.0612 -.0597 -.0600 -.0558 -.0554 -.0570 -.0555 -.0583 -.0499 -.0533 0 -.0074 -.0179 -.0178 -.0458 -.0574 -.0705 -.0764 -.0932 -.1001 -.0884 -.0105 -.0336 -.0062 -.0088
-0.83 0.69 -0.92 -0.32 0.48 0.61 0.00 -0.40 -1.52 -0.96 -0.61 -1.82 -3.00 -3.59 -4.15 -3.97 -4.06 -4.62 -4.97 -4.98 -6.30 -5.67 -6.40 .. -2.10 -3.38 -3.40 -7.45 -7.35 -8.78 -10.43 -13.00 -13.12 -11.17 -1.23 -4.27 -0.84 -1.22
0.409 0.488 0.357 0.750 0.631 0.544 0.999 0.693 0.129 0.338 0.539 0.069 0.003 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 .. 0.035 0.001 0.001 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.220 0.000 0.402 0.221
2003 2004 2005 2006 Konstans
-.0080 -.0063 -.0051 -.0071 .9514
-1.11 -0.86 -0.67 -0.90 45.98
0.268 0.387 0.502 0.369 0.000
Függő változó: bejelentett éves szolgálati napok/365 (szökőévekben 366). Mininum=0, Maximum=1 Minta: Azok a MEF-kérdezettek, akik az 1965 és 2006 közötti években munkaviszonyban álltak a 2008 januármárciusi munkáltatójukkal. Mintaméret: 53196 emberév, 4615 fő . Megfigyelések száma egyénenként: minimum=1, maximum=42, átlagos=11.5 Becslés: GLS panel regresszió véletlen egyedhatásokkal, 50 ismétléses bootstrap standard hibákkal. Illeszkedés: Belső R2=0.0456, külső R2=0.2297, teljes R2=0.1971 *) A csilaggal jelölt változók időfüggőek, a nem jelzettek 2008 elejére vonatkoznak
Az iskolázottsággal összefüggő különbségek tárgyalását a végére halasztva, tekintsük át a többi magyarázó változóra vonatkozó eredményeket! A férfiak bejelentett szolgálati ideje 3.7 százalékkal alacsonyabb mint a nőké. A vállalatnál töltött idő 20 éves szolgálatig növeli, majd csökkenti a bejelentési valószínűséget. Minél hosszabb időt töltött a kérdezett más vállalatoknál, annál alacsonyabb a bejelentett szolgálati idő. 19 A vállalatnál, intézménynél alkalmazottakhoz képest az egyéni vállalkozók alkalmazottainál 6 százalékkal, maguknál az egyéni vállalkozóknál 17 százalékkal, az alkalmi munkásoknál pedig 70 százalékkal alacsonyabb bejelentési arányra utalnak az eredmények. A foglalkozási jogviszonyra vonatkozó információ 2008 elejéről származik, ennek ellenére a vártnak megfelelő irányú és erejű hatásokat kapunk. Hasonlóképpen, a meg nem figyelt vállalaton belüli mozgásokból eredő mérési hiba ellenére szignifikáns negatív hatásokat mérünk a (2008 elején) részmunkaidősöknél, a hétvégén is dolgozóknál, az otthon vagy távol dolgozóknál és a rendhagyó munkarendben foglalkoztatottaknál. Ezek a marginális csoportok rendre 6, 2, 8 és 3 százalékponttal rövidebb szolgálati időt szereztek, mint a megfigyelhető jegyeikben hasonló társaik. A külföldi vállalatoknál 3 százalékponttal magasabb, a 2-4 fős cégeknél ugyanennyivel alacsonyabb, az egyfős vállalkozásoknál pedig 14 százalékponttal alacsonyabb bejelentésre utalnak az adatok, a tíznél több alkalmazottal dolgozó hazai vállalkozásokhoz viszonyítva. Az ágazati paraméterek a mezőgazdaságban (-12 százalék) és a szállításban (-21 százalék) utalnak az ipartól lényegesen elmaradó bejelentési arányokra. Markánsak a fölrajzi különbségek is: Budapesten ceteris paribus 7 százalékponttal alacsonyabb szolgálati időket látunk, a legalacsonyabbtól a legmagasabb kistérségi munkanélküli ráták felé haladva pedig 3.5 százalékkal csökkent az osztónapok száma.
19
A lineáris és négyzetes tagok együtthatóit (β1 , β2) figyelembe véve a szélsőérték β1 /2β2-nél van.
Az évhatások a nyers adatoknál látott módon alakulnak, beleértve az 1988-as és 1999-es ugrásokat is. Mint tárgyaltuk, az alacsony szolgálati időadatok nem feltétlenül a fekete munkából származnak, a becslési eredmények azonban erősítik a gyanút, hogy a jelenség mögött gyakran a bejelentés hiánya áll. Az együtthatók ugyanis rendre ott jeleznek az átlagosnál alacsonyabb szolgálati időket (kisvállalatok, egyéni vállalkozók, alkalmi munkások, új belépők és nyugdíjkorhoz közeliek, atipikus foglalkoztatottak, férfiak, Budapest, magas munkanélküliségtől sújtott területek), ahol más kutatások és a hétköznapi tapasztalat alapján is alacsonyabb bejelentési arányt, több feketemunkát várnánk. Ez természetesen nem tekinthető közvetlen bizonyítéknak – a kérdésre a 7. alfejezetben fogunk visszatérni. Voltaképpeni tárgyunkra, az iskolázottsági szerinti különbségekre térve, a kontrollált becslés a gimnáziumot végzetteknél mutatja a legalacsonyabb szolgálati idő-értéket. Ennél valamivel, de nem szignifikánsan magasabb a 0-8 osztályt végzettek bejelentett szolgálati ideje, míg a középfokú szakképzettséget szerzetteknél 3-4 százalékkal magasabb szintet jeleznek az adatok. A főiskolát végzettek 4 százalékponttal, az egyetemi diplomások pedig 8 százalékponttal több osztónapot szereztek, mint a megfigyelhető jegyeikben hasonló társaik. A becsült különbségek függnek, vagy függhetnek az alkalmazott specifikációtól, ezért a 8. táblázatban összefoglaljuk a különféle modell-variánsokból származó eredményeket. 8. táblázat Az ONYF által nyilvántartott szolgálati idő panel regressziós becslése - variánsok Modell Kontrollok 0-8 osztály Szakmunkás Szakközép Főiskola Egyetem (1) 1965-2006 Nema 0.0265 0.0128 0.0194 0.0665*** 0.0775*** Igenb 0.0202 0.0430*** 0.0273** 0.0381*** 0.0803*** 1998-2006 Nema Igenb (2)c 1965-2006 Nema Igenb
0.0241 0.0336**
0.0172 0.0474***
0.0231 0.0323**
0.0564*** 0.0750*** 0.0457*** 0.0821***
0.33*** 0.57
0.42*** 0.47**
0.53* 0.67
0.21*** 0.54*
0.14*** 0.17***
1998-2006 Nema Igenb
0.30*** 0.28***
0,33*** 0.29***
0,40*** 0.45**
0.24*** 0.32***
0.15*** 0.10***
Referencia: gimnáziumot végzett a) Csak fix évhatások b) A 7. táblázat modellje c) Esélyráták
A 0-8 osztályt végzettekre, a szakmunkásokra és a szakközépiskolai érettségivel rendelkezőkre vonatkozó eredmények vegyesek: a hatások az 1-4 százalékos sávba esnek, és az esetek felében nem szignifikánsak. Az az eredmény azonban robosztusnak tűnik, hogy a
diplomások bejelentett szolgálati ideje magasabb, mint a gimnáziumi érettségivel rendelkezőké: a főiskolát végzetteknél 4-6 százalékponttal, az egyetemi diplomásoknál minden becslésben 8 százalékponttal magasabb osztónapokat látunk, mint a vonatkoztatási csoportban. A panel logit becslések szerint a teljesen bejelentetlen munkavégzés minden iskolázottsági csoportban ritkább, mint a gimnáziumban érettségizetteknél, de ez különösen áll az egyetemi diplomásokra, akik lényegesen kisebb valószínűséggel szereztek zérus szolgálati időt, mint a referenciacsoport, és az esélyük erre minden más csoporthoz képest is sokkal alacsonyabb volt. 3. 8. Mitől alacsony a szolgálati idő? Mint az első fejezetben tárgyaltuk, a nyenyi-lapokkal igazolt szolgálati idő két okból maradhat el a folytonos munkaviszony esetében várt 100 százaléktól. Az egyik lehetőség, hogy a megfigyelt egyén állásban volt ugyan, de kisebb-nagyobb időintervallumokban ténylegesen nem végzett nyugdíj-jogszerző munkát, ezért nem is küldtek róla igazolást az ONYF-be. 20 A másik eshetőség, hogy dolgozott ugyan, de nem jelentették be. Az itt vizsgált probléma szempontjából perdöntő jelentőségű, hogy melyik forrás a meghatározó, mert az intézményi adatokkal becsült diplomást bérelőnyt csak akkor torzítja a magasabb hivatalosan nyilvántartott szolgálati idő, ha a második ok, a be nem jelentés, dominál. Szerencsére a MEF gördülő panel-jellegének, valamint retrospektív kérdéseinek köszönhetően fogalmat alkothatunk arról, milyen gyakori esemény az, amikor valaki dolgozik a kérdezés időpontjában (K), T ideje állásban lévőnek mondja magát, de előfordult, hogy nem dolgozott valamikor T-K és K között. Ebben a tanulmányban a MEF visszatekintő kérdését („Mit csinált egy éve?”) használjuk ki. 9. táblázat Egy évvel a kérdezés előtt nem dolgozott, pedig a kérdezéskori állásában volt (százalék)
2000 2001 2002 2003 2004 2005
I. 1.8 1.8 2.0 1.2 1.5 1.4
II. 1.8 1.7 1.8 1.3 1.3 1.2
III. 2.1 2.0 1.8 1.5 1.2 1.1
IV. 1.8 2.1 1.8 1.6 1.2 1.1
Forrás: A MEF alábbi két kérdése: Mióta dolgozik ebben a munkában? Mit csinált egy éve?
20
Itt természetesen számolunk azzal az eshetőséggel is, amikor valaki huzamos ideig egy munkáltató rendelkezésére áll, ott dolgozónak tekinti magát, de ténylegesen csak rövidebb-hosszabb periódusokra létesítenek vele munkaviszonyt. Tipikus esete ennek például egy közmunkás, akit csak időnként hívnak munkára, de ő maga vagy a KSH kérdezőbiztosának nyilatkozó rokona gondolhatja úgy, hogy „itt dolgozik, az önkormányzatnál”.
Az elemzéshez leválogattuk a 2008. első negyedévében dolgozók közül azokat, akik több mint 13 hónapja léptek be a munkahelyükre, és megvizsgáltuk, közülük hányan nyilatkoztak úgy, hogy egy évvel a kérdezés előtt nem dolgoztak. 21 Az arány 1.3 százaléknak adódott. Ezt az eljárást megismételtük a 2000 és 2005 közötti összes negyedéves MEF-hullámra, melyekről megfelelően előkészített panel állt rendelkezésünkre, és az alábbi eredményt kaptuk (9. táblázat). Az eredmény értékeléséhez érdemes figyelembe venni, hogy (a 2008. első negyedévi hullám adatai szerint, például) a magukat dolgozónak mondók 99.3 százaléka az ILO-OECD meghatározás szerint is foglalkoztatott, és viszont, az ILO-OECD foglalkoztatottnak minősülők 98.2 százaléka magát dolgozónak mondja – a fogalmi eltérésekből eredő torzítás tehát minimális. Mint a 9. táblázatban látható, a magukat állásban lévőnek mondók elenyészően kis része (2000-2002-ben 1.5-2 százaléka, 2003-2005-ben 1-1.5 százaléka) esetében fordult elő a folyamatos munkaviszony időtartamára eső munkaszünet. Ha ezt az adatot összevetjük az ONYF nyilvántartásaiból hiányzó 11-13 százaléknyi szolgálati idővel, abból arra következtethetünk, hogy a nyugdíjbiztosító és a KSH által mért foglalkoztatás különbségét az itt vizsgált körben alapvetően a be nem jelentett – ezen belül a teljesen bejelentetlen – munkavégzés magyarázza. 3. 9. Be nem jelentett munka és bértorzítás A fejezet eddigi részében (kutatási jelentésünk 2. résztanulmányában) megvizsgáltuk a hivatalos szerveknek be nem jelentett, de a kérdőíves felvételekben megfigyelt munka iskolázottság szerinti különbségeit. Azt találtuk, hogy az 1965-ig visszanyúló és 2006-ig terjedő megfigyelések szerint a bejelentett munkavégzés aránya még a stabil munkaviszonyban álló népesség esetében sem haladta meg a 87-89 százalékot, és nagy számban találtunk olyanokat, akik egy vagy több évben egyáltalán nem végeztek bejelentett munkát. Megvizsgáltuk, hogy a a nyugdíjbiztosítónál be nem jelentett napok mögött alapvetően fizetetlen munkaszünetek állnak-e (a biztosítotti jogviszonyt megszakító, de a munkavállaló és a munkáltató közötti kapcsolatot fenntartó szezonális kimaradások, ideiglenes elbocsátások), vagy fizetett, de az adóelkerülés szándékával be nem jelentett munkaidő. Az eredmények alapján valószínűsíthető, hogy a bejelentés elmulasztása, az adókerülés a munkaszüneteknél sokkal fontosabb szerepet játszik, a hiányzó szolgálati idő mintegy 85-90 százalékát magyarázza. A diplomásoknál a bejelentett munkavégzés aránya közelebb áll a várt 100 százalékos értékhez, mint az érettségizetteknél, és ez potenciálisan torzítja a kereseti előnyükre vonatkozó, intézményi adatokon nyugvó becsléseket. Az előző tanulmányban levont következtetésből tehát egyenesen adódik a válasz: igen, a fekete munkának ott megvizsgált komponense miatt a vállalati-intézményi béradatokon 21
Azért alkalmaztunk 13 hónapos határt az egyéves helyett, hogy a kiküszöböljük a hóközi belépésből és csökkentsük a hibás emlékezésből adódó bizonytalanságot.
nyugvó számítások csak részlegesen és potenciálisan torzítva tükrözik a diplomások érettségizettekkel szembeni bérelőnyét. Az utóbbiak fizetett munkájának viszonylag nagy része nem csak a nyenyi-lapokon, de feltehetően a vállalati fizetési íveken sem jelenik meg, míg a diplomások béreit nagyobb arányban figyeljük meg. Hogy a torzítás milyen irányú és mértékű, azt azonban e mellett a meg nem figyelt szférákban és munkaviszony-szakaszokban fizetett bérek is befolyásolják. Ebben a tanulmányban a bejelentett szolgálati időre, a Bértarifa-felvételbe való bekerülés valószínűségére és az ott megfigyelt bérekre vonatkozó adatok felhasználásával, továbbá a meg nem figyelt bérekre és bérarányokra vonatkozó különböző feltevések alapján kísérletet teszünk a diplomások „valódi” bérelőnyének megbecslésére. A diplomások összességét tekintve azt látjuk, hogy a Bértarifa-felvétel adatai – az alkalmazott kiegészítő feltevésektől függően - minimális torzítással, híven tükrözik, vagy kismértékben alábecslik az alternatív kereseti lehetőségek figyelembe vételével kalkulált diplomás bérelőnyt. A mértékek hozzávetőleges meghatározásakor abból indulunk ki, hogy az iskolázottság kereseti hozamára vonatkozó hazai becslések szinte kivétel nélkül a Bértarifa-felvétel adatait használták és használják (Ábrahám-Kézdi 2000, Galasi 2004a, 2004b, 2009, Hámori 2005, Kertesi-Köllő 2006, Kertesi-Varga 2005, Kézdi 2003, Varga 2001). Ez alapvetően három okból torzíthatja a kérdésről alkotott képet. •Egyfelől, az alkalmazásban állók körén belül iskolázottsági fokozatonként eltérhet a Bértarifa-felvételbe való bekerülés esélye, amit a továbbiakban p T -vel jelölünk. •Ugyancsak eltérhet – s mint az előző résztanulmányban láttuk, el is tér – a nyugdíjbiztosítónak bejelentett munka aránya az összes fizetett munkán belül, a Bértarifafelvétel által lefedett körben és azon kívül is (0≤ S T ≤ 1 és 0 ≤ S NT ≤1). •Végül, különbözhetnek azok a bérek, amelyeket a Bértarifa-felvétel által lefedett körben végzett bejelentett és be nem jelentett munkára (rendre w T , z T ), illetve az e körön kívüli bejelentett és be nem jelentett munkára (w NT , z NT ) fizetnek. Egy-egy iskolázottsági csoport várható „valódi” bére a fentiek figyelembe vételével az alábbi súlyozott átlaggal közelíthető:
(3)
wˆ = pT sT wT + pT (1 − sT ) zT + (1 − pT ) s NT wNT + (1 − pT )(1 − sT ) z NT
A várható kereset ( wˆ ) kiszámításához nem áll minden adat a rendelkezésünkre. A Bértarifafelvételből illetve a KSH-ONYF mintából meghatározható w T , s T és s NT , továbbá, a Munkaerő-felmérésben kis hibával azonosítható a Bértarifa-felvétel célsokasága (a foglalkozási viszonyra, a vállatméretre és az ágazatra vonatkozó információk alapján), így p T re is adható becslés. Ugyanakkor a feketemunka után zsebbe fizetett bérekről (z T , z NT ) természetesen semmit sem tudunk. Továbbá, az intézményi munkaügyi statisztika sem figyeli
meg a Bértarifa-felvétel célsokaságán kívül – gyakorlatilag az 1-4 alkalmazottat foglalkoztató kisvállalatoknál – kifizetett „hivatalos”, bejelentett béreket (w NT ), és ha léteznek is közvetett és bizonytalan adatok, ezek hitelességét megkérdőjelezi, hogy leginkább éppen ebben a körben a bejelentett munkavállalók is zsebbe kapják a fizetésük egy részét (szürkebérezés). Ezért wˆ -t úgy becsüljük meg, hogy különféle feltevésekkel élünk egyfelől w NT -nek w T -hez, másfelől pedig z T -nek és z NT -nek a hivatalos bérekhez viszonyított arányáról. •Az (A) verzióban elfogadjuk a kisvállalati nettó bérek relatív nagyságáról rendelkezésünkre álló becslést (mely szerint 2006-ban w NT =0.67w T ). •A (B) verzióban feltesszük, hogy a kisvállalatok és a Tarifa-célsokaság közötti nettóbér különbség látszólagos, azt teljes mértékben a szürkebérezés okozza, valójában w NT =w T . •Mindkét verzióban számolunk azzal a lehetőséggel, hogy a fekete munkára fizetett nettó bér kisebb vagy nagyobb lehet a fehér munkán megkereshető nettó bérnél. (Kisebb, ha a munkáltató, erőfölényét kihasználva nem csak nem jelenti be a dolgozót, hanem a piacinál kisebb nettó bért fizet neki. Nagyobb, ha a munkáltató és a munkavállaló megosztoznak a megtakarított adókból és járulékokból származó hasznon.) A meg nem figyelt z T , z NT bérekről feltesszük, hogy azok a megfigyelt béreknek rendre 80, 100, illetve 120 százalékára rúgnak. Az (A) verzióban tehát z T =αw T és z NT = αz NT = 0.67αw T , a (B) verzióban pedig z T = z NT =αw T , ahol α∈(0.8, 1, 1.2). A meg nem figyelt, vagy gyanúnk szerint hibásan megfigyelt bérekre tett feltevések természetesen nagyon erősek és egyben életidegenek. A nagyvállalati bérek egy adócsalástól mentes gazdaságban is magasabbak, számos tényező miatt, mint például a kezelt berendezések nagyobb értéke, az együttműködés hiányából és a kilépésekből eredő nagyobb veszteség, vagy az esetleges szakszervezeti bérnyereség. Az sem valószínű, hogy a fehér és fekete nettó bérek között tartósan fennmaradhatnak az itt feltételezetthez hasonló mértékű különbségek. Azért dolgozunk ilyen széles határokkal és szélsőséges feltevésekkel, mert fő célunk az eredmények robosztusságának ellenőrzése, annak megállapítása, hogy azok mennyire érzékenyek az adatokkal alá nem támasztható feltételezések változtatására. 3. 10. Adatok A számításokat 2006-ra fogjuk elvégezni, az utolsó olyan évre, melyre megbízható KELENadatokkal rendelkezünk, és más adatfelvételek is a rendelkezésünkre állnak. Ugyancsak 2006 mellett szól, hogy ekkor rendelkezünk a legtöbb megfigyeléssel a 2. résztanulmányban bemutatott, az ONYF-KSH adatfelvételből épített panelben. A becsléshez a 2006. évi Bértarifa-felvételből származó nettó kereseti adatokat (w T ) és a KSH-ONYF adatfelvételből származó, 2006-ra vonatkozó átlagos szolgálati idő-adatokat (s T ) használunk.
Annak valószínűségét, hogy egy alkalmazásban álló személy bekerül a Bértarifa-felvétel által lefedett halmazba (p T ) a MEF 2006. negyedik negyedévi hullámának információi alapján becsüljük. A becslés csak kisebb hibákkal végezhető el, két okból. Egyfelől, a MEF alapján nem választható szét a versenyszféra és a közalkalmazotti-köztisztviselői kör, az elhatárolás csak ágazati alapon végezhető el (oktatás, egészségügy, közigazgatás versus a többi ágazat). Másfelől, a vállalatméretre vonatkozó információ pontatlan, mert (egyébként helyesen) megengedett a „nem tudja, de a vállalat tízfősnél kisebb/nagyobb” válasz. Feltételeztük, hogy amennyiben a kérdezett a „nem tudja, de a vállalat tízfősnél kisebb"”választ adja, a cég 5-10 fős. Az ebből eredő torzítás minimális, mert a MEF-ben a munkahely méretét megjelölőknek eleve mindössze 1.5-2 százaléka ad ilyen választ, és józan megfontolás szerint a bizonytalan válasz jóval gyakoribb lehet az 5-10 fős, mint az 1-4 fős munkáltatók esetében. 10. táblázat Kereseti arányok a kisvállalatoknál és másutt, 2001
0-8 osztály Szakmunkásképző Szakközépiskola Gimnázium Főiskola Egyetem N
MEF 2001/2 4 fősnél nagyobb vállalatok és költségvetés -0.2061 -0.0679 0.0448n 0 0.2461 0.5060 17 635
1-4 fős vállalatok
-0.2245 -0.0697 0.0271n 0 0.2238 0.4491 4685
Együtthatók nem kontrollált OLS regresszióból. Függő változó: a nettó bér logaritmusa. Minden együttható szignigikáns 0.01 szinten, kivéve n): nem szignifikáns 0.1 szinten sem.
A Bértarifa-felvétel célsokaságába nem tartozó 1-4 fős vállalatok béreinek (w NT ) becsléséhez kihasználjuk a felvételnek azt a sajátosságát, hogy számos, a mintakeret felállításakor még 5 fős vagy nagyobb kisvállalat a májusi adatfelvételi időpontig az 1-4 fős kategóriába csúszik. Ez évről-évre megtörténik, a 2006. évi felvételben például 1059 megfigyelés vonatkozott az adatszolgáltatás időpontjában öt fősnél kisebb vállalatok dolgozóra, és az itt fizetett nettó bér a minta többi részében megfigyelt nettó bér 67 százalékának adódott. A 2005. évi Mikrocenzus egyéni adataival megpróbáltuk ellenőrizni, hogy ez a mérték hihető-e. Sajnálatos módon a Mikrocenzusban a 10 fősnél kisebb vállalatok egyetlen összevont kategóriában szerepelnek. Az ilyen méretű cégeknél dolgozók munkából származó jövedelme a többiekének 71 százalékát tette ki. Figyelembe véve, hogy a Bértarifa-felvételben az 1-5 fős és 5-10 fős cégek átlagbérében alig volt különbség (2 százalék), továbbá, hogy az „önbevallásos” kereseti adatok a zsebbe fizetett bérek egy részét is tartalmazzák, a 67
százalékos w NT /w T arány összegyeztethetőnek látszik a Mikrocenzusból származó 71 százalékos adattal. Mint a későbbiekben látni fogjuk, az itt elkövetett esetleges, néhány százalékpontos hiba nem jár súlyos következményekkel, hiszen a w NT /w T arányt a számításainkban 67 százalék és 100 százalék között engedjük mozogni. Az éles szemű olvasó észrevette, hogy a fenti eszmefuttatásban hallgatólagosan feltettük: a w NT /w T arányok minden iskolázottsági kategóriában azonosak, és a fekete munkán elért prémium, vagy az azt sújtó büntetés sem tér el képzettség szerint. Az első feltevés alátámasztható: a rendelkezésre álló szűkös és nem éppen friss bizonyíték alapján úgy tűnik, hogy a Bértarifa-felvétel célsokaságában szereplő és nem szereplő halmazokban az iskolázottság szerinti relatív bérek egymáshoz hasonlóak. Ezt támasztják alá a 10. táblázat adatai, melyek a a számunkra elérhető egyetlen, e célra felhasználható adatforrás – a MEF 2001. második negyedévi hulláma – alapján mutatja az iskolázottság szerinti kereseti arányokat. 22 A táblázatban az iskolázottsági dummy változóknak a nettó logaritmus bérre gyakorolt hatását látjuk, olyan regresszió alapján, melyben csak ezek a változók szerepeltek. Látható, hogy az együtthatók egymáshoz igen közel esnek. Az egyetemi diplomásoknál mutatkozó 5 logaritmus pontos eltérésnek az adott esetszám mellett nem tulajdonítunk jelentőséget. Természetesen jó lenne ezt a kérdést frissebb információk birtokában vizsgálni, de ehhez adatokra (pontosabban az egyébként meglévő adatokhoz való hozzáférésre) lenne szükség. 11. táblázat Adatok a várható kereset (3. egyenlet) becsléséhez (2006) A Tarifamintába való bekerülés valószínűsége pT 0-8 osztály 0.8482 Szakmunkásképző 0.7671 Szakközépiskola 0.7946 Gimnázium 0.7771 Főiskola 0.8941 Egyetem 0.8041
Szolgálati idő a Tarifacélsokaságon belül sT 0.9218 0.9321 0.8940 0.8864 0.9223 0.9421
Szolgálati idő a Tarifacélsokaságon kívül s NT 0.6692 0.7050 0.8566 0.8279 0.8505 0.9387
Megfigyelt nettó kereset a Tarifamintában wT 80 478 90 144 118 570 116 235 183 129 254 577
Adatforrások: p T : KSH Munkaerő-felmérés 2006/4. s T , s NT : KSH-ONYF adatfelvétel, 2006-ra vonatkozó adatok (legalább két éve állásban lévők), w T : Bértarifa-felvétel 2006
22
A MEF-ben kérdezik ugyan a felvételből kilépő kohorsz béreit, az adatokat azonban nem bocsátják a kutatók rendelkezésére. A Mikrocenzusban nem különíthetők el az 1-4 fős vállalatok.
A második feltevés, mely szerint a fekete és fehér munkára fizetett bér aránya iskolázottsági szintek szerint nem tér el, nyilvánvalóan önkényes, ennek ellenőrzéséhez azonban semmilyen támpontunk nincs, ezért maradunk annál, hogy a z (.) /w (.) arányok azonosak. A számításhoz felhasznált alapadokat a 11. táblázat tartalmazza. Látható, hogy a Tarifacélsokaságba való bekerülés esélye a szakmunkásképzőt, szakközépiskolát, gimnáziumot és egyetemet végzettek esetében lényegében egyforma, kicsit magasabb az általános iskolát végzetteknél és kiemelkedően magas a főiskolai diplomával rendelkezőknél, akik kiemelkedően magas arányban dolgoznak költségvetési intézményekben és nagyvállalatoknál. Az ONYF-nél 2006-ban megszerzett szolgálati idő iskolázottsági szinttől függetlenül 90 százalék körüli vagy annnál magasabb a Bértarifa-felvétel által lefedett vállalati-intézményi körben, de lényegesen alacsonyabb, és az iskolázottsággal meredeken csökkenő a kisvállalatoknál: 65-70 százalékos az érettségivel nem rendelkezőknél, de a 90 százalékot is meghaladja az egyetemi diplomásoknál. Végül, az utolsó oszlop a 2006. évi nettó havi keresetet mutatja a Bértarifa-felvételből. 23 3. 11. Számítási eredmények 12. táblázat A várható nettó kereset becslései a meg nem figyelt bérekre vonatkozó különféle feltevések mellett (2006) Megfigyelt nettó kereset (Ft) 0-8 osztály Szakmunkásképző Szakközépiskola Gimnázium Főiskola Egyetem
80478 90144 118570 116235 183129 254577
Becsült kereset: A verzió z T =αw T és z NT =0.67αw T
Becsült kereset: B verzió z T = z NT =αw T
α
α
0.8 74837 81448 108068 105037 173799 235342
1.0
1.2
0.8
1.0
1.2
76446 83217 110534 107685 176731 238122
78055 84986 113000 110334 179663 240901
78602 87966 115873 113291 180005 251595
80478 90144 118570 116235 183129 254577
82353 92321 121266 119178 186252 257558
Első lépésben a különböző forgatókönyvek alapján kalkulált várható nettó kereseteket vesszük szemügyre a 12. táblázatban. Látható, hogy a kereseti szintet az összes iskolázottsági fokozatban jelentősen befolyásolja, ha figyelembe vesszük a Bértarifa-felvételen kívüli világot, és komoly befolyást gyakorolnak a fehér és fekete bér arányára, valamint a szürkebérezésre tett feltevések is. Az A verzióban α=0.8 feltevés mellett – tehát elfogadva, hogy a hivatalos kisvállalati bérek a valóságot tükrözik, és feltéve, hogy a nettó fekete bér 20 százalékkal alacsonyabb, mint a fehér - várható havi kereset 5-20 ezer forinttal alacsonyabb, 23
A nettósítás a SZJA adókulcsok alapján történt.
mint a Bértarifa-felvételben megfigyelt. Ezzel szemben a B verzióban, α=1.2 esetén - tehát azt feltételezve, hogy a kisvállalati bérszint csakis a szürkebérezés miatt tűnik alacsonyabbnak, és hogy a fekete nettó bér a fehérnek 120 százaléka - a Bértarifa-felvétel szerintinél 2-3 ezer forinttal magasabb becsült bért kapunk. A becsült keresetnek a megfigyelttől való eltérése azonban iskolázottsági fokozatonként viszonylag kismértékben különbözik, mint azt a 13. táblázat három számoszlopa mutatja. Az első oszlop a legalacsonyabb becsült érték (A verzió, α=0.8) és a Bértarifa-adat arányát mutatja: az értékek 90.4 százalék és 94.9 százalék közé esnek. Itt is a főiskolát végzettekre vonatkozó adat ugrik ki leginkább a mezőnyből, alapvetően azért, mert közülük kevesen dolgoznak a Bértarifa-felvétel célsokaságán kívül. A második oszlop a legmagasabb becsült érték (B verzió, α=1.2) és a megfigyelt kereset arányát mutatja, az értékek itt igen szűk, 1.22.5 százalékos sávban mozognak. Végül, a harmadik oszlop szerint a legmagasabb és legalacsonyabb becsült értékek különbsége a 9.4-13.5 százalékos sávba esik. A legmagasabb értékeket a szakmunkás végzettségűeknél és a gimnáziumi érettségivel rendelkezőknél figyelhetjük meg (13.3 illetve 13.5 százalék), akik a legnagyobb arányban dolgoznak kisvállalatoknál, és a bejelentési arányuk is alacsony, különösen a kisvállalatoknál foglalkoztatott szakmunkások esetében (s NT =0.7). Ebben az esetben is a főiskolát végzettek kereseti adata a legellenállóbb, itt a legmagasabb becsült érték alig 7.2 százalékkal magasabb, mint a legalacsonyabb. 24 13. táblázat A várható nettó kereset becslései – szóródási tartomány és viszony a megfigyelt keresetekhez, iskolázottság szerint (2006) Legalacsonyabb Legmagasabb becsült érték becsült érték
0-8 osztály Szakmunkásképző Szakközépiskola Gimnázium Főiskola Egyetem
Legmagasabb becsült érték
Megfigyelt=100
Megfigyelt=100
Legalacsonyabb=100
A verzió
B verzió
α=0.8
α=1.2
B(α=1.2)/A(α=0.8)
93.0 90.4 91.1 90.4 94.9 92.4
102.3 102.4 102.3 102.5 101.7 101.2
110.0 113.3 112.2 113.5 107.2 109.4
Az eddig leírtakból sejthető, hogy a Bértarifa-felvétel célsokaságán kívül eső szférák, valamint a fekete- és szürkefoglalkoztatás figyelembe vétele nem befolyásolhatja erősen az iskolázottság szerinti kereseti arányokat. Minden iskolai fokozat esetében igaz, hogy a fekete és szürke bérekre tett feltevések széles határok között mozgatják a kereseti szintre tett 24
Vegyük észre, hogy a B verzióban, α=1 esetén wˆ =wT, hiszen itt a keresetek mindenhol azonosak!
becslést, de a torzítás irányában és mértékben nincs jelentős eltérés a képzett és képzetlen munkavállalói csoportok között. Mindezt alátámasztják a számítási eredmények, melyek a 14. táblázatban láthatók. Általánosságban elmondható, hogy a feltevések változtatása kevéssé befolyásolja az iskolázottság szerinti kereseti arányokra vonatkozó becslést: a „valódi” relatív bérek ( wˆ i / wˆ j ) alig térnek el attól, amit a Bértarifa-felvételben megfigyelhető adatok mutatnak. Ennek legfőbb oka, hogy a Bértarifa-felvétel a gazdaság igen nagy részét lefedi, és a lefedett szférában a bejelentett munkavégzés a teljesnek 89-95 százalékára rúg. Ezért a Bértarifafelvételben megfigyelt w T keresetek wˆ kialakításában igen nagy súllyal vesznek részt: p T s T ≈0.7 átlagosan. Viszonylag nagy a súlya a Bértarifa-felvételen kívüli világban, a kisvállalatoknál elért bevallott keresetnek is [(1- p T ) s NT ≈0.16], de mint utaltunk rá, ebben a szférában az iskolázottság szerinti relatív bérek – a rendelkezésre álló adatok szerint – nem térnek el a Bértarifa-felvételen belül kialakulttól, ezért nem gyakorolnak hatást wˆ iskolázottság szerinti különbségeire. Végül, hiába engedjük a fekete munkára fizetett z bért széles határok között változni, ennek olyan kicsi a súlya, hogy nem gyakorol érdemleges hatást wˆ -re. 14. táblázat A vártható relatív nettó kereset becslései a meg nem figyelt bérekre vonatkozó különféle feltevések mellett (2006) Gimnáziumot végzettek = 100
Megfigyelt nettó kereset (Ft) 0-8 osztály 69.2 Szakmunkásképző 77.6 Szakközépiskola 102.0 Gimnázium 100.0 Főiskola 157.6 Egyetem 219.0
Becsült kereset: A verzió z T =αw T és z NT =0.67αw T
Becsült kereset: B verzió z T = z NT =αw T
α
α
0.8 71.2 77.5 102.9 100.0 165.5 224.1
1.0 71.0 77.3 102.6 100.0 164.1 221.1
1.2 70.7 77.0 102.4 100.0 162.8 218.3
0.8 69.4 77.6 102.3 100.0 158.9 222.1
1.0 69.2 77.6 102.0 100.0 157.6 219.0
1.2 69.1 77.5 101.8 100.0 156.3 216.1
A számítási eljárásról és az adatforrásokról lásd a szöveget!
Az általános képtől jelentős eltérést csak egy helyen, a főiskolát végzetteknél látunk, az A verzióban. A főiskolai diplomások ugyanis másoknál sokkal kisebb arányban dolgoznak kisvállalatoknál, ezért esetükben az ott fizetett alacsony bérek nem térítik el wˆ -t w T –től olyan mértékben, mint más csoportoknál. (A B verzióban ez a hatás nem érvényesül, mert ott azt tettük fel, hogy a kisvállalati bér csak az adóalap-eltagadás miatt alacsonyabb, valójában w T = w NT .) Az egyetemi diplomások esetében csak a B verzióban, az α=1.2 esetben kapunk a megfigyeltnél kicsivel (2.9 százalékkal) alacsonyabb becsült relatív bért, egyébként w T –vel
megegyező, vagy annál valamivel magasabb relatív wˆ értékek fordulnak elő. A diplomások összességét tekintve azt látjuk, hogy a Bértarifa-felvétel adatai minimális torzítással, hűen tükrözik (B verzió) vagy kismértékben alábecslik (A verzió) az alternatív kereseti lehetőségek figyelembe vételével kalkulált diplomás bérelőnyt. 15. táblázat A főiskolát és egyetemet végzettek nettó bérelőnye különböző iskolázottsági fokozatokhoz képest Megfigyelt 0.8
A verzió
B verzió
α
α
1.0
1.2
0.8
1.0
1.2
Főiskolát végzettek
Kihez képest? 0-8 osztály
227.6
232.2
231.2
230.2
229.0
227.6
226.2
Szakmunkásképző
203.2
213.4
212.4
211.4
204.6
203.2
201.7
Szakközépiskola
154.4
160.8
159.9
159.0
155.3
154.4
153.6
Gimnázium
157.6
165.5
164.1
162.8
158.9
157.6
156.3
Egyetemet végzettek 0-8 osztály
316.3
314.5
311.5
308.6
320.1
316.3
312.7
Szakmunkásképző
282.4
288.9
286.1
283.5
286.0
282.4
279.0
Szakközépiskola
214.7
217.8
215.4
213.2
217.1
214.7
212.4
Gimnázium
219.0
224.1
221.1
218.3
222.1
219.0
216.1
Főiskola
139.0
135.4
134.7
134.1
139.8
139.0
138.3
Noha a diplomás kereseti előny mérésében a természetes vonatkoztatási pontot a középiskolát végzettek jelentik, ezen belül is a gimnáziumot végzettek, akik a felsősoktatásba bekerülők nagyobb részét adják, ha a vizsgálódás célja nem az, hogy közelebb vigyen a felsőfokú tanulmányok megtérülési rátájának megismeréséhez, hanem a társadalmi egyenlőtlenségek pontosabb feltárása a cél, akkor a diplomások más csoportokhoz viszonyított előnye is érdeklődésre tarthat számot. Ezt segíti a 15. táblázat, amely a főiskolát illetve egyetemet végzetteknek az összes többi csoporthoz viszonyított megfigyelt és becsült keresetét mutatja. A főiskolai diplomásoknak az általános iskolát végzettekhez viszonyított kereseti előnye kevéssé függ a meg nem figyelt, vagy esetleg hibásan megfigyelt szférák béreire tett feltevésektől: a becslések a 226-232 százalékos sávban mozognak, a megfigyelt 228 százalékos érték szűk környezetében. A többi iskolázottsági fokozat esetében érvényesül a korábban már megfigyelt minta: az A verzió becsléseiben a kereseti előny 8-10 százalékponttal magasabbnak mutatkozik a megfigyeltnél a szakmunkások, 6-7 százalékponttal a szakközépiskolát végzettek, és 4-8 százalékponttal a gimnáziumi érettek
esetében. A B verzióban a becsült és megfigyelt bérelőny eltérése az 1-2 százalékpontos sávban mozog. Az egyetemi diplomásoknál a 0-8 osztályt végzettekhez képest egy esetben 4 százalékponttal magasabb, öt esetben 0-8 százalékponttal alacsonyabb a becslésünk annál, mint amit a Bértarifa-felvételben megfigyelt adatok mutatnak. A szakmunkások esetében a megfigyelt előnytől való eltérések a -2/+7 százalékpontos sávban mozognak, míg ez a sáv a szakközépiskolát végzetteknél -3/+6, a gimnáziumot végzetteknél -3/+5 százalék. Az egyetemi diplomásoknak a főiskolát végzettekhez képest mutatkozó bérelőnye a Bértarifafelvétel szerint 39 százalék, ezzel lényegében azonos a B verzió becsléseiben, de csak 34-35 százalékos az A verzióban tett feltevések esetén. Kutatásunk abból a feltételezésből indult ki, hogy a feketemunka miatt a megfigyelhető béradatok túlbecslik a magyar diplomások kereseti előnyét. Ezért, lezárásképpen, megvizsgáljuk, hogy a fekete munkát figyelembe vevő szimulációink hol jeleznek a Bértarifafelvételben kimutatottnál kisebb kereseti előnyt. Az eredményt a 16. táblázat mutatja. 16. táblázat Hol és mennyivel marad el a becsült diplomás bérelőny a Bértarifa-felvétel adataival kimutathatótól? (százalékpont)
0.8
A verzió α 1.0
0-8 osztály Szakmunkásképző Szakközépiskola Gimnázium
. . . .
. . . .
0-8 osztály Szakmunkásképző Szakközépiskola Gimnázium Főiskola
-1.8 . . . -3.6
-4.8 . . . -4.3
Kihez képest?
1.2 0.8 Főiskolát végzettek . . . . . . . . Egyetemet végzettek -7.7 . . . -1.5 . -0.7 . -4.9 .
B verzió α 1.0
1.2
. . . .
-1.4 -1.5 -0.8 -1.3
. . . . .
-3.6 -3.4 -2.3 -2.9 -0.7
Megjegyzés: A negatív számok azt jelzik, hogy a Bértarifa-felvételben megfigyelt adatok az adott százalékos mértékben túlbecslik a diplomás bérelőnyt az adott forgatókönyv szerint becsült bérelőnyhöz képest
A megfigyelt béradatok a főiskolát végzettek kereseti előnyét csak abban az esetben becslik túl, ha a kisvállalatok bérhátránya látszólagos, nagyrészt (szimulációnkban: teljes mértékben) a szürkebérezésnek tulajdonítható, és a fekete munkán elérhető nettó kereset jelentősen (szimulációnkban: 20 százalékkal) meghaladja a fehér munkára fizetett nettó bért. A torzítás mértéke azonban ebben az esetben sem haladja meg az 1-1.5 százalékos mértéket.
Az egyetemi diplomásoknál a fenti forgatókönyv érvényessége esetén valamivel nagyobb, 1-4 százalékpontos torzítással kell számolnunk. Az A verzió érvényessége esetén a valódi diplomás bérelőny 2-8 százalékos mértékben nagyobb lehet a Bértarifa-felvételben kimutatottnál a 0-8 osztályt végzettekhez képest, valamint a főiskolai diplomásokhoz viszonyítva, és bizonyos paraméter-együttállásoknál 1-1.5 százalékponttal az érettségizettekhez képest. A bevezetésben említett kutatások az emberi tőke-elmélet egyik alapfogalmát, az oktatás megtérülési rátáját próbálták kvantifikálni, ezért a diplomásokat értelemszerűen az eggyel alacsonyabb fokozatot szerzettekhez hasonlították. Úgy tűnik, nem követtek el említésre méltó hibát azzal, hogy ehhez a Bértarifa-felvétel adatait használták. Számításaink szerint a Bértarifa-felvétel adatai az elképzelhető forgatókönyvek kis részében, és ott is csak igen kis mértékben – a főiskolát végzetteknél 1-1.5 százalékponttal, az egyetemi diplomásoknál 2-3 százalékponttal – becslik túl a diplomások kereseti előnyét. 3. 12. Különbségek a várható keresetben 17. táblázat Az adott iskolázottságú népesség várható nettó munkajövedelme a gimnáziumot végzettekhez képest Kereset a Bértarifafelvételben
0-8 osztály Szakmunkásképző Szakközépiskola Gimnázium Főiskola Egyetem
69.2 77.6 102.0 100.0 157.6 219.0
0.8 52.6 80.7 112.7 100.0 193.0 267.7
A verzió α 1.0 52.4 80.5 112.4 100.0 191.4 264.2
1.2 52.2 80.2 112.2 100.0 189.9 260.9
0.8 51.2 80.9 112.0 100.0 185.3 265.3
B verzió α 1.0 51.1 80.8 111.7 100.0 183.8 261.7
1.2 51.0 80.7 111.5 100.0 182.3 258.2
A foglalkoztatottak körében mért diplomás kereseti előny jó mércéje annak, hogy a munkáltatók hogyan értékelik az egyetemet-főiskolát végzettek termelékenységét más csoportokhoz képest, de torzan tükrözik az oktatás megtérülési rátája szempontjából mérvadó várható relatív keresetet. A diplomások ugyanis tartósan sokkal nagyobb eséllyel jutnak hozzá a bérstatisztikákban szereplő keresethez, mint a kevésbé képzett társadalmi csoportok tagjai. Referencia-évünkben például az egyetemi diplomások 92.6 százaléka dolgozott, míg ez az arány a kevésbé képzett csoportokban csak 90.4 (főiskola), 77.5 (gimnázium), 84.9 (szakközépiskola) és 80.7 (szakiskola) volt, a 0-8 osztályt végzetteknél pedig mindössze 57.2 százalékra rúgott. 25 A különböző iskolázottsági csoportok átlagos tagjának várható munkajövedelmét a foglalkoztatási esély (e) és az elérhető kereset (w) szorzataként számítva a 25
Az adat a 15 évesnél idősebb, az aktuális nyugdíjkorhatárnál fiatalabb, nem tanuló népességre vonatkozik, és az ILO-OECD definíció szerint méri a foglalkoztatást, a MEF adatai alapján.
diplomások előnye 40-50 százalékponttal magasabbnak mutatkozik, mint amit a Bértarifafelvétel kereseti adatai jeleznek. A gimnáziumot végzettekhez viszonyított ew értékeket lásd a 17. táblázatban! 3. 13. Záró megjegyzések Fontos hangsúlyozni, hogy ez a tanulmány a kereseti becsléseket torzító fekete munka egyetlen válfajával foglalkozott: a huzamosan alkalmazásban állók be nem jelentett munkájával. A KSH kérdezőbiztosai elől is elrejtett munka, valamint a munkához és beosztáshoz kapcsolódó jövedelem más fajtái - az alkalmi munkától a számlás mellékmunkákig és a nagy összegű csúszópénzekig terjedő széles skálán - ennél nagyobb mértékben torzíthatják a diplomások bérelőnyére vonatkozó becsléseket. Az, hogy szinte semmit sem tudunk a nem pénzbeli juttatások – szolgálati gépkocsi, telefon, adómentes utalványok, és a többi – iskolázottság szerinti eloszlásáról, további bizonytalanságot okoz annak megállapításában, valójában menyivel keresnek többet a magyar diplomások kevésbé képzett honfitársaiknál. 26 A „hivatalos” béradatok segítségével mért diplomás bérelőny Magyarországon – mint azt számos forrásból, és e tanulmánykötet irodalmi összefoglalójából is tudjuk – rendkívül nagy, jelentősen meghaladva a többi volt szocialista országban mért értékeket is. Ezen a torzítás itt tárgyalt fajtája érdemben nem változtat. Hivatkozások Ábrahám Árpád – Kézdi Gábor (2000): Long-run trends in earnings and employment in Hungary, 1972-1996," Budapesti Munkagazdaságtani Füzetek, 2000/2. Ádám S. és Kutas J. (2004): A foglalkoztatottak számának alakulása a személyi jövedelemadó bevallások alapján. Munkaügyi Szemle 3. sz. Augusztinovics Mária – Gyombolai Márton – Máté Levente (2008): Járulékfizetés és nyugdíjjogosultság 1997–2006, Közgazdasági Szemle, LV. évf., 2008. július– augusztus (665–689. o.) Augusztinovics Mária –Köllő János (2007): Munkapiaci pálya és nyugdíj 1970–2020. Közgazdasági Szemle, 54. évf. 6. sz. 529–559. o. Bálint Mónika – Köllő János – Molnár György (2009): Nyugdíj-jogszerzés a teljes életpályára vonatkozó adatok alapján. Jelentés a KSH-ONYF adatfelvételről. Budapesti Munkagazdaságtani Füzetek, BWP-2009/4, 47 o. Bálint Mónika – Köllő János – Molnár György (2010): Nyugdíj-jogszerzés a teljes életpályára vonatkozó adatok alapján, megjelenés alatt a Statisztikai Szemlében Ha, mint azt korábban hangsúlyoztuk, figyelembe vennénk, hogy az újonnan belépő munkavállalók esetében a bejelentési arány az átlagosnál alacsonyabb, és az új belépők aránya az iskolázottsági szinttel csökken, akkor az itt használtnál nagyobb szolgálati időkülönbségeket látnánk a képzett és képzetlen csoportok között. A nagyságrendeket figyelembe véve azonban kizárható, hogy minőségileg más eredményre jutnánk. 26
EC (2007): European Commission: Undeclared work in the European Union. Report, Communication from the Commission to the Council, the European Parliament, the European Economic and Social Committee and the Committee of the Regions. http://ec.europa.eu/employment_social/news/2007/oct/undeclared_work_en.pdf Elek Péter – Scharle Ágota – Szabó Bálint - Szabó Péter András (2008): Payroll taxes and black/green employment in Hungary (in Hungarian), http://www.mnb.hu/Engine.aspx?page=mnbhu_konf_fomenu&ContentID=11282 Galasi Péter (2004a): Felsőfokú végzettségű munkavállalók munkaerő-piaci helyzete, Munkaügyi Szemle, v48, no12, 2004, pp.24-28 Galasi Péter (2004b): Túlképzés, alulképzés és bérhozam, Közgazdasági Szemle v51, #5, 2004, pp. 480-497 Galasi Péter (2009): A túl- és az alulképzés bérhozama 25 európai országban. Közgazdasági Szemle v56, #3, 2009, pp. 197-215 Hámori Szilvia (2005): „Comparative analysis of the returns to education in Germany and Hungary (2000).” Budapesti Munkagazdaságtani Füzetek, 2005/7. Kertesi G - Köllő J (2006): Foglalkoztatási expanzió, "diplomás munkanélküliség" és a diplomák piaci értéke. Közgazdasági Szemle, 53. 2006. 3. sz. Kertesi G. - Köllő J. (2002): Economic transformation and the revaluation of human capital Hungary, 1986-1999. In: The economics of skills obsolescence: Theoretical innovations and empirical applications. (Research in labor economics 21) (Eds: de Grip A, Van Loo J, Mayhew K) Amsterdam, Boston, London, 2002, JAI Press, Elsevier, pp 235-273 Kertesi Gábor - Varga Júlia (2005): Foglalkoztatás és iskolázottság Magyarországon. Közgazdasági Szemle 52 évf. 7.-8. szám 2005. Kézdi Gábor (2003): "Two Phases of Labor Market Transition in Hungary: Inter-Sectoral Reallocation and Skill-Biased Technological Change." Budapesti Munkagazdaságtani Füzetek, 2003/3 Medgyesi –Czibik (2007): A lakosság nyugdíjjal kapcsolatos megtakarítási tudatossága és hajlandósága, GVI, 2007, p. 71, http://www.gvi.hu)=> 2008, MTA KTI, adócsalás és korrupció Semjén et al. (2008): Adócsalás és korrupció: lakossági érintettség és elfogadottság. MTA KTI, MT-DP 2008/13 p. 74, http://econ.core.hu) Varga Júlia (2001): Returns to Education in Hungary. In:. Szerk.:Lengyel György – Rostoványi Zsolt. The Small Transformation. Akadémiai Kiadó, Budapest, 2001.
Függelék F1. Az alkalmazott foglalkozási osztályozás Eredeti 1997. évi FEOR-kód (vagy annak megfelelője 1997 előtt és után) Foglalkozási csoport
FEOR-kód
Takarítók
911
Segédmunkás
913–919
Gépkezelő, összeszerelő
81–83
Őrök és takarítók
912 és 536
Mezőgazdasági
61–64 és 92
Sofőrök
833, 835, 836
Építőipari szakmák
76
Ipari szakmák
71–75
Kereskedelmi szakmák
51, 421, 422 és 429
Szolgáltató szakmák
52–53 kivéve 532, 533 és 536
Irodai dolgozók
41–42 és 532–533
Technikusok
31–34
Ügyintézők
35–39
Vezetők
11–14
Szakértelmiségiek
21–29 kivéve 22–24
Tanárok és orvosok
22–24
F2. Az ONYF-től adatot kérők kiválasztódása (probit) Megvizsgáltuk, hogy a 15-74 éves MEF-kérdezettek közül ki kért a nyugdíj-jogszerzésére vonatkozó adatokat az ONYF-től. Az alábbi modellel becsült adatkérési valószínűség reciprokát használják az e tanulmányban bemutatott számítások. A súlyozás további részleteiről lásd Bálint-Köllő-Molnár (2009). Szelekciós probit Függő változó: 1, ha kért adatot, 0 egyébként Minta: 15-74 éves MEF-kérdezettek Marginális hatások A 2008-as nyugdíjkorhatárig hátralévő évek száma
0.008 (18.96)**
A 2008-as nyugdíjkorhatárig hátralévő évek számának négyzete
-0.000 (28.05)**
Iskolázottság: 0-8 osztály
-0.009 (2.24)*
Iskolázottság: szakmunkásképző
0.004 (1.09)
Iskolázottság: középiskola
0.009
(2.49)* Férfi
-0.012 (5.43)**
Házas
0.009 (2.80)**
Egyéb rokonként él a háztartásban
-0.008 (1.95)
Gyermekként él a háztartásban
0.003 (0.73)
Nem magyar állampolgár
-0.051 (4.37)**
Nappali tagozaton tanul
-0.040 (7.47)**
Mióta dolgozik az adott helyen (év)
0.000 (1.24)
Mióta nem dolgozik (év)
-0.003 (12.98)**
Nem kap nyugdíjat
0.014 (0.50)
Öregségi nyugdíjat kap
-0.099 (4.79)**
Rokkantsági nyugdíjat kap
-0.051 (2.29)*
Özvegyi-szülői nyugdíjat kap
-0.011 (0.36)
Járadékot kap
0.016 (1.73)
Szociális segélyt kap
0.005 (0.82)
Gyest, gyedet, gyetet kap
0.013 (2.15)*
2007.4.negyedévi kistérségi mnélküliségi ráta
-0.000 (1.15)
Lakóhely: közepes népsűrűségű terület
0.030 (6.46)**
Lakóhely: ritkán lakott terület
0.063 (15.66)**
Az aktivitási kérdőív kitöltésére fordított idő (perc)
0.002 (7.98)**
A felkeresés sorszáma (1-6)
-0.003 (4.28)**
Budapest
-0.001 (0.08)
Baranya
0.037 (4.02)**
Bács-Kiskun
0.078 (8.54)**
Békés
0.102 (9.34)**
Borsod-Abaúj-Zemplén
0.079 (8.25)**
Csongrád
0.038 (3.92)**
Fejér
0.070 (7.23)**
Győr-Moson-Sopron
0.048 (5.01)**
Hajdú-Bihar
0.030 (3.39)**
Heves
0.073 (7.28)**
Komárom-Esztergom
0.022 (2.32)*
Nógrád
0.062 (5.82)**
Pest
0.041 (5.15)**
Somogy
0.018 (1.98)*
Szabolcs-Szatmár-Bereg
0.065 (6.78)**
Jász-Nagykun-Szolnok
0.077 (7.49)**
Tolna
0.044 (4.43)**
Vas
0.054 (5.40)**
Veszprém
0.097 (9.36)**
Megfigyelések száma
57168
Zárójelben a Z-statisztika abszolút értéke. Pszeudo-R2 = 0.2157 Szignifikáns *5%-os. **1%-os szinten Referencia-kategóriák: diplomás, nő, egyedülálló, ideiglenes özvegyi nyugdíjat kap, nem kap transzfert, sűrűn lakott településen él, Zala megye
4. A SZÜRKEBÉREZÉS TORZÍTÓ HATÁSA A BÉRTARIFA FELVÉTEL ALAPJÁN * Elek Péter- Szabó Péter András A be nem jelentett foglalkoztatás mellett az adóeltitkolás egy másik formája a bérek aluljelentése. Ez esetben a munkavállaló alkalmazottként be van ugyan jelentve, de emellett bérének egy részét zsebbe kapja. Az adó- és járulékfizetés minimalizálására törekvő munkaadó jellemzően a kötelező legkisebb bérre jelenti be alkalmazottját – amíg ez nem növeli a lebukás kockázatát. A minimálbéresek magas aránya tehát összefügghet a szürkebérezés elterjedtségével. Amikor a 2001-2002-es évek nagymértékű minimálbéremelései hatására – a környező országokhoz képest is – jelentősen megnőtt a minimálbéren alkalmazottak aránya (1. ábra), a közvélekedés a magas minimálbéres arányt az adóeltitkolással kapcsolta össze. 1. ábra: A minimálbéren foglalkoztatottak aránya a visegrádi országokban, 2000-2007
Minimálbéresek aránya (%)
12 10 8 6 4 2 0 2000
2001
Magyarország
2002
2003
Csehország
2004
2005
Szlovákia
2006
2007
Lengyelország
Forrás: Eurostat
Ebben a fejezetben különböző adatbázisok összevetésével vizsgáljuk a minimálbéresek arányát, illetve azt, hogy ez hogyan függ össze az adócsalás elterjedtségével. 4. 1. Minimálbéren alkalmazottak aránya 2003-2006-ban A fentiekből már kiderülhetett, hogy a „hányan vannak a minimálbéresek” kérdés megválaszolásában is vannak eltérések a különböző adatforrások illetve tanulmányok között, ezért először ezeknek az eltéréseknek az okait tisztázzuk. *
A szerzők köszönetet mondanak Reizer Balázsnak egyes számítások elvégzéséért.
Az ÁFSZ bértarifa felvételének egyéni szintű adatai szerint 2003 és 2006 között a versenyszféra teljes munkaidőben dolgozó alkalmazottai közül mintegy 12-15% dolgozott a minimálbér környékén, 27 és ez az arány jelentős eltéréseket mutatott a különböző végzettségi csoportok szerint. Mint az 1. táblázatban látható, súlyozási módtól függően 2003-ban a legfeljebb szakmunkás bizonyítvánnyal rendelkezők 13-18%-át foglalkoztatták minimálbéren, míg a diplomásoknál ugyanez az arány 5-10% volt. (Más évekre hasonló arányokat kapunk.) 1. táblázat: Minimálbéresek aránya a versenyszféra legalább 5 fős vállalatainak teljes munkaidős alkalmazottai körében 2003-ban az ÁFSZ bértarifa felvétele alapján Minimálbéresek aránya (%) OMK-súlyok KTI-súlyok Súlyozatlan
Max. 8 osztály 13,0 17,2 14,9
Szakmunkás, szakiskola
Érettségi 16,0 13,1 17,6
10,5 17,3 10,9
Egyetem, főiskola 5,2 10,5 5,3
Összesen 12,3 14,9 12,9
Forrás: saját számítás az OMK illetve az MTA-KTI által használt súlyok alapján
A minimálbéres-arány végzettségi csoportok közötti eltérését az Országos Nyugdíjbiztosítási Főigazgatóság egyéni szintű jogviszony-adatbázisából is illusztrálhatjuk. Az ONYF adatbázisa előnye, hogy a teljes alkalmazotti kört lefedi (nem csak az 5 fő feletti vállalatokat), hátránya viszont, hogy pontos végzettségi adatokat nem tartalmaz, hanem arra csak az alkalmazottak foglalkozási csoportja (feor-száma) alapján tudunk következtetni. 28 A 2. táblázat mutatja a különböző foglalkozási csoportokban a minimálbéren, illetve az alatt és a felett keresők arányát a versenyszférában alkalmazottak között. 29 Látható, hogy a teljes létszám mintegy 15%-a volt minimálbéres 2004-ben, a közép- vagy felsőfokú végzettséget specifikusan igénylő foglalkozásokban viszont csak 10% volt ez az arány (a vezetőket kivéve pedig még alacsonyabb arányt kapnánk). A többi foglalkozásban jellemzően magasabb, néhány foglalkozásban pedig kiugróan magas arányokat kapunk: például az egyszerű mezőgazdasági és egyszerű szolgáltatási munkák, a portások, a legfeljebb középfokú végzettséget igénylő építőipari és kereskedelmi foglalkozások esetében 20%-ot megközelíti vagy meghaladja a minimálbéresek aránya, és nagy jelentőségű a minimálbér alatti foglalkoztatás is. 30
27
A továbbiakban az egyszerűség kedvéért azt nevezzük minimálbéresnek, akinek a havi tényleges keresete a bértarifa felvétel szerint a minimálbér 1000 Ft-os környezetébe esett. 28 Az ONYF-adatbázis pontos leírását illetően ld. Elek és szerzőtársai (2008) munkáját. Elek és szerzőtársai (2009) pedig részletesen tartalmazza a havi bérjövedelmek előállításának algoritmusát a jogviszonyok és szüneteltetési idők hossza, valamint a teljes jogviszonyra vonatkozó jövedelem alapján. 29 Mivel az adatbázis nem tartalmazza a foglalkoztató szektorát, a versenyszférában alkalmazottakat a munkaviszonyban dolgozókkal közelítjük. (Ez tényleg jó közelítés, mert a közalkalmazotti, közszolgálati,. bírósági (igazságügyi) alkalmazotti, hivatásos szolgálati és a fegyveres testületeknél fennálló jogviszony külön bejegyzés alatt van nyilvántartva az adatbázisban.) 30 A minimálbér alatti bérezés az esetek egy részében részmunkaidős foglalkoztatásból vagy a norma alulteljesítéséből adódik, más részükben viszont abból, hogy a jogviszony-szüneteltetési időszakot a munkáltató nem jelenti be, és ezzel eljárásunk felülbecsli a jogviszony valódi hosszát.
2. táblázat: Minimálbéresek, illetve az alatt és a felett alkalmazottak aránya a versenyszférában 2004-ben az ONYF jogviszony adatbázisa alapján (%) Foglalkozási csoport minbér alatt minbér körül minbér felett egyszerű és betanított, ebből: 9.7 14.7 75.6 egyszerű mezőgazd. 7.2 19.3 73.5 Takarító 22.5 17.0 60.5 egyszerű szolgált. 16.1 26.9 57.1 Gépkezelő 2.5 4.9 92.6 portás, őr 7.0 18.1 74.9 ipar és épipar (max. középfok), ebből: 5.5 15.8 78.7 építőipar (max. középfok) 6.2 28.4 65.4 ipar (max. középfok) 5.3 12.7 81.9 keresk. És szolgált. (max. középfok), ebből: 10.7 18.5 70.8 szolgált. (max. középfok) 11.9 6.6 81.4 keresk. (max. középfok) 14.7 22.8 62.6 Sofőr 3.3 16.1 80.6 irodai, ügyviteli 6.3 16.0 77.7 felső- vagy középfokú, ebből: 2.6 10.4 87.0 technikus, eü., ápolási 2.8 8.2 89.1 Ügyintéző 3.3 10.0 86.7 Vezető 2.0 14.2 83.8 tanár, orvos 2.3 5.9 91.7 más felsőfokú 2.2 8.9 88.8 Összesen 6.9 14.6 78.5 Forrás: saját számítás. A foglalkozási csoportok definícióját ld. a Függelék 8. táblázatában.
4. 2. Fiktív minimálbéresek aránya 2003-ban Igaz tehát, hogy a diplomások a nem diplomásokhoz képest kisebb arányban voltak minimálbéresek. Ez azonban nem jelenti azt, hogy a minimálbér-jelenség figyelembe vételével a diplomások valóságos bérelőnye csökken: a kérdés megválaszolásához a minimálbéren bejelentettek csalási arányáról is rendelkeznünk kell információval. A következőkben tehát azt vizsgáljuk, hogy a 2000-es évek közepéig tartó, nagy minimálbéresaránnyal jellemezhető időszakban a minimálbéren bejelentettek közül hány alkalmazott keresete volt tényleg a minimálbér, hány alkalmazott kapta zsebbe minimálbéren felül fizetése egy részét, valamint hogy ezek a jellemzők miként tértek el végzettségi csoportok szerint. Köllő (2008) gondolatmenetét követve a 2. ábra mutatja a bérek eloszlását néhány foglalkozási csoportban. Az „egyéb szakmunkások” csoportjában a minimálbér környékén csúcsosodik az eloszlás: itt vélelmezhető, hogy az átlagos termelékenység ténylegesen a minimálbér környékén (esetleg alatta) van, és a dolgozók nagy többsége „igazi” minimálbéres. Ebben az esetben nem amiatt magas a minimálbéresek aránya, mert sok lenne a szürke béres, hanem azért, mert azok is minimálbért kapnak, akik szabályozás hiányában
ennél kevesebbet keresnének. A tanárok körében nincs csúcs a minimálbérnél, ami arra utal, hogy ez egy jellemzően fehér, minimálbér felett fizetett foglalkozási csoport. A szállodai recepciósok körében a minimálbéreseken túl van még egy csúcsa az eloszlásnak, azaz a tényleges termelékenység átlaga itt vélhetően a minimálbér felett van (a második csúcshoz tartoznak a nem csalók), és a minimálbéren fizetettek többsége szürkebéres.
Sűrűségfüggvény értéke 2,0e-05 4,0e-05 6,0e-05
2. ábra Béreloszlás néhány foglalkozási csoportban (havi kereset)
0
Egyéb szakmunkások
0
100000
200000
400000
300000
0
Sűrűségfüggvény értéke 5,0e-06 1,0e-05
Tanárok
100000
200000
Sűrűségfüggvény értéke 0 1,0e-052,0e-053,0e-05
0
300000
400000
Szállodai recepciósok
0
100000 Béreloszlás
200000
300000
400000
Becsült lognormális eloszlás
Forrás: saját számítás az ÁFSZ 2003. évi bértarifa-felvétele alapján.
A fenti gondolatmenetet formalizálva, és a foglalkozási csoporton kívül további magyarázó változókat használva számszerűsíthetjük is a minimálbéres adócsalás nagyságát. A 3. ábra bal oldali panelje mutatja a kiinduló állapotot, a bérek eloszlását egy olyan gazdaságban, ahol nincs minimálbér. 31 Minimálbér-szabályozás mellett (jobb felső panel) a korábban minimálbér alatt keresők „feltorlódnak” a minimálbér értékénél, ennek következtében a béreloszlás minimálbér feletti része is torzul. 32 A csalás tovább torzítja a béreloszlást, hiszen 31
Pontosabban a bérek logaritmusának eloszlását. Klasszikus feltevés az irodalomban (ld. pl. Meyer és Wise (1983a és 1983b)), hogy a bérek logaritmusa normális eloszlású. Empirikus tanulmányok eredményei is azt mutatják, hogy a lognormális eloszlás jól illeszkedik a béradatokra, bár a jobb szélen (a magas jövedelműeknél) alulbecsüli a valóságos arányokat. (A különféle béreloszlás-modellekről ld. pl. Majumder és Chakravarty, 1990.) A nagy minimálbér-emelések előtti magyar béradatok (pl. a bértarifa-felvétel 1997- es és 1999-es adatai) is ezt támasztják alá. 32 Ez az irodalomban „spillover”-nek nevezett jelenség, ld. Dickens és szerzőtársai (1994).
az alkalmazottak egy része a valóságosnál kisebb (ez lehet a minimálbér vagy afelett) jövedelmet jelent be. A jobb alsó ábrán látható, hogy emiatt a minimálbéren lévő tüske még nagyobb lesz, és az afelett keresők béreloszlása is módosul. Ez a béreloszlás az, amit a bejelentett kereseti adatokból megfigyelhetünk. Ökonometriai módszerekkel, az ún. kettős korlát (double hurdle) technika alkalmazásával azután kettéválaszthatjuk a megfigyelt béreloszlást csaló és nem csaló részre úgy, hogy a tényleges béregyenlet mellett egy szelekciós (csalási) egyenletet is megbecsülünk, amely a foglalkozási csoportokon kívül egyéb, a csalással valószínűleg kapcsolatban álló tényezőket (pl. vállalatméret) is tartalmaz. Végül, modellünk alapján azt is kiszámíthatjuk, hogy az egyes csoportokon belül a minimálbéren bejelentettek megközelítőleg milyen arányban csalnak, és „valóságos” bérükre is becslést adhatunk. 3. ábra: Béreloszlás minimálbér és csalás esetén
Kettős korlát (double hurdle) és kiterjesztett kettős korlát modell
Jelöljük y-nal a termelékenység alapján (azaz a minimálbér és a csalás torzítása nélkül) kialakuló bér logaritmusát (úgy transzformálva, hogy a minimálbérhez a 0 tartozzon). Tegyük fel, hogy y-t a munkavállaló néhány tulajdonsága (X) határozza meg: (1)
y = Xβ + u,
ahol szokás szerint β jelöli az ismeretlen paramétert és u normális eloszlású valószínűségi változó. Az y* megfigyelt bér azonban két okból is különbözhet y-tól: • ha a munkavállaló termelékenység-alapú bére a minimálbérnél kisebb lenne, akkor a minimálbért figyeljük meg • ha a munkavállaló csal, megfigyelt bére – feltételezésünk szerint – szintén a minimálbér. Tegyük fel, hogy a csalás valószínűségét a munkavállaló Z tulajdonságai határozzák meg, ekkor a következőt írhatjuk fel: (2)
y* = y,
ha Xβ + u > 0 és Zγ+v > 0
(3)
y* = 0
egyébként.
Az egyenletekben u és v normális eloszlású valószínűségi változók ρ korrelációval, u szórása σ, v szórása pedig egységnyi: Az (1)-(3) double hurdle modellt (még a ρ=0 megkötéssel) elsőként Cragg (1971) használta tartós fogyasztási cikkek vásárlásának modellezésére, ahol a vásárlásról szóló döntést potenciálisan más változók határozzák meg, mint azt a döntést, hogy mennyit költsön a vásárló a fogyasztási cikkre. Azóta sok más fogyasztáselméleti, hitelkockázat-elemzési és környezetgazdaságtani tanulmány (pl. Labeaga 1999, Martinez-Espineira 2006, Moffatt 2005, Saz-Salazar és Rausell-Köster 2006, Teklewold és szerzőtársai 2006) használta a modellt illetve kiterjesztéseit, a béreloszlások területén azonban kevés alkalmazásáról van tudomásunk (kivétel Shelkova 2008). Vegyük észre egyébként, hogy a modell a Tobit-modell általánosításaként is felfogható: ha X = Z, β = γ, σ = 1 és ρ = 1, akkor a szelekciós egyenlet nem ad új információt, és a Tobit-modellhez jutunk. A kétváltozós normális eloszlás feltételes eloszlásainak ismeretében kiszámolható, hogy a modell likelihood függvénye a következő alakú:
ρ z i γ + σ (y i − x iβ ) 1 y i − x iβ φ L = ∏ 1 − Φ ρ,σ,1 (Xβ, Zγ ) ⋅ ∏ Φ , 2 σ σ yi =0 yi >0 1− ρ
[
]
ahol Φ ρ ,σ , 1 jelöli a megfelelő kétváltozós eloszlásfüggvényt, Φ és φ pedig az egyváltozós standard normális eloszlásfüggvényt illetve sűrűségfüggvényt. A paraméterek maximum likelihood módszerrel megbecsülhetők, azonban a becslőfüggvény (hasonlóan más nemlineáris modellekhez) csak akkor ad konzisztens eredményt, ha az eloszlások jól specifikáltak, azaz a hibatagok tényleg normális valószínűségi változók. A gyakorlatban ezért majdnem minden esetben transzformálni kell az eredeti adatokat a normális eloszlás elérése érdekében, a legelterjedtebb transzformációk a Box-Cox (ld. pl. Martinez-Espineira, 2006 vagy Moffatt, 2005) és az inverz szinusz hiperbolikusz transzformáció (ld. pl. Yen és Jones, 1997). Esetünkben egy korábban említett speciális jelenség, a közvetlenül minimálbér feletti bérek torlódása okozza a log-bérek nem normális eloszlását, ezért nem a fenti transzformációk egyikét, hanem egy ehhez a problémához jobban illő transzformációt alkalmazunk (ld. az A.
Függelékben). A konkrét becslésünkben pedig y-nal és y*-gal a transzformált log-béreket jelöljük, és az (1)-(3) egyenleteket ezekre vonatkoztatjuk. A fent leírt kettős korlát modellben azt feltételezzük, hogy minimálbér feletti bejelentett bér esetén nincs zsebbe fizetés. Kiterjesztett modellünkben megengedjük a minimálbér feletti csalást is. Azzal a feltételezéssel élünk, hogy csalás esetén q valószínűséggel a minimálbért jelentik be, 1 – q valószínűséggel pedig a tényleges bér és a minimálbér c-vel súlyozott átlagát (c·y + (1 – c)·0). 33 Így a modell a következőképpen írható: (4)
y = Xβ + u,
(5)
D = Zγ + v,
(6)
0, y, y* = q val. 0, c ⋅ y + (1 − c) ⋅ 0, 1 − q val.
ha ha ha ha
y≤0 y > 0 és D > 0 y > 0 és D ≤ 0 y > 0 és D ≤ 0
,
Az (1)–(3) egyenletek által leírt eredeti kettős korlát modellt a q = 1 vagy c = 0 esetben kapjuk vissza. A kiterjesztett kettős korlát modell becslése adott q és c esetén hasonló az egyszerűbb kettős korlát modelléhez. Elméletileg q és c is meghatározható lenne maximum likelihood módszerrel, gyakorlatban azonban a becslési eljárás a nagyon erős eloszlásfeltevések miatt nem használható. Ezért q-t és c-t közvetetten határozzuk meg (kalibráljuk) a következő módszerrel. Adott q és c mellett a modellből megbecsülhető az összes (minimálbéres és afölötti) béreltitkoló aránya, amelynek nagysága Semjén és szerzőtársai (2009b) kutatási eredményéből 13%-ra tehető. Így olyan – ésszerű q és c értékekkel rendelkező – modelleket választjuk, amelyekben a minimálbér feletti béreltitkolás megközelítően ennyi (13±5%-os határon belül van). A dolgozatban a q=0,3, c=0,4 paraméterválasztást fogjuk használni, de más paraméterértékekre is hasonló eredmények jönnek ki. A becslés után a következő számolás szerint megbecsülhetjük azt is, hogy egy adott minimálbéres személy milyen valószínűséggel csal (azaz keres valójában a minimálbérnél többet):
(
)
P (csalás ) = P Xβ + u > 0, Zγ + v ≤ 0, E = 1 | y * = 0 = q(P(u > − Xβ ) − P(u > − Xβ , v > − Zγ )) = = P( Xβ + u ≤ 0 ) + q(P(u > − Xβ ) − P(u > − Xβ , v > − Zγ )) q (Φ ( Xβ / σ ) − Φ ρ ,σ ,1 ( Xβ , Zγ )) , = 1 − Φ ( Xβ / σ ) + q (Φ ( Xβ / σ ) − Φ ρ ,σ ,1 ( Xβ , Zγ ))
33
Mivel minden bért logaritmikus skálán mérünk, ez súlyozott mértani átlagot jelent az eredeti bérre nézve.
ahol E egy olyan, minden mástól független valószínűségi változót jelöl, amely q valószínűséggel egyet, egyébként pedig nullát vesz fel. Szimulációval a minimálbéresek „valóságos” bérének jellemzőit is meghatározhatjuk. Generálunk ρ korrelációjú, normális eloszlású u és v valószínűségi változókat, és egy adott minimálbéresre akkor fogadjuk el tényleges bérnek a szimulált max(Xβ + u, 0) értéket (pontosabban annak g transzformációját), ha Xβ+u < 0, vagy pedig Zγ + v < 0 és egy (u,v)-től függetlenül szimulált E indikátorváltozó az egy értéket veszi fel. 34 4. 3. Becslési eredmények A számításokhoz az ÁFSZ 2003. évi bértarifa-felvételét használjuk, mert az megbízható információkat tartalmaz a versenyszférában 35 dolgozók béreiről, továbbá a keresetet és az adóeltitkolást befolyásoló jellemzők (életkor, iskolai végzettség, a vállalat termelékenysége, vállalatméret, tulajdoni arányok) is megtalálhatók benne. A 3. táblázatban egyaránt látható a csalás feltételezése nélküli béregyenlet (egyszerű Mincertípusú bérregresszió) és a csalás kiszűrése után kapott béregyenlet is, a csalás valószínűségét leíró ún. szelekciós egyenlettel együtt. Két, csalás kiszűrése utáni béregyenletet is bemutatunk, az egyik a független kettős korlát technikával, a másik pedig annak kiterjesztett változatával készült. Vállalati és egyéni jellemzőkre kontrollálva egy egyszerű béregyenlet a legfeljebb általános iskolát végzettekhez képest (log skálán mérve) 0,919 diplomás bérprémiumot jelez előre, az érettségizettekhez képest pedig 0,566 a bérprémium. Amennyiben figyelembe vesszük a csalást is, akkor a bérprémium – modellspecifikációtól függően – 0,984-1,014-re, illetve 0,592-0,612-ra nő, tehát a legfeljebb általános iskolát végzettekhez képest 6,5-9,5 százalékponttal, míg az érettségizettekhez képest 2,5-4,5 százalékponttal emelkedik. Itt nem részletezzük, de hasonló eredmények figyelhetők meg 2006-ban is. A modellek változóinak előjele az intuíciónak megfelelő: a külföldi tulajdon csökkenti a minimálbéres csalás esélyét, a készpénzes és szabadúszó foglalkozásokban nő a csalás valószínűsége. A településjellemzők közül a településtípust vizsgálva azt látjuk, hogy Budapesten magasabb az aluljelentés valószínűsége a városokhoz képest, ami egybecseng például Semjén és szerzőtársai (2009b) eredményeivel. A településen a turizmus kiterjedtsége növeli, a vállalkozások sűrűsége és a település kedvezőbb jövedelmi helyzete csökkenti az adócsalást. Vállalatméret szerint pedig azt találjuk, hogy a kisebb vállalatok esetén – ceteris paribus – nagyobb a minimálbéres csalás elterjedtsége (hasonlóan Tóth és Semjén (1996) vagy Semjén és Tóth (2004) következtetéseihez). 34
Ugyanis ha ez a feltétel nem teljesül, akkor a személy a modell szerint nem lehet minimálbéres. Technikailag úgy történik a szimuláció, hogy az egyik feltétel teljesüléséig generáljuk az adott személyre a változókat. 35 Kisebb bejelentett béren történő foglalkoztatást csak a versenyszférába tartozóknál tételeztünk fel. A minimálbéren bejelentettek aránya a költségvetési szférában 0,4 míg a versenyszférában 15% volt 2003-ban. Nem zárható ki, hogy adóeltitkolás létezik a költségvetési szférában is, de ez inkább színlelt szerződésekkel történik (pl. megbízási szerződés keretében való tartós foglalkoztatás).
3. táblázat: Becslési eredmények 36 OLS
logsimker0 Béregyenlet Tapasztalati idő Tapasztalati idő négyzete Férfi Szakmunkás Középfokú Felsőfokú Budapest Vállalati termelékenység Tőkefelszereltség Külföldi vállalat 5-10 fős vállalat 11-20 fős vállalat 21-50 fős vállalat 51-300 fős vállalat Inverz Mill-arány* Konstans Szelekciós egyenlet Külföldi vállalat Szabadúszó Készpénzes fogl. Kereskedelem Budapest Nem megyeszékh. város Község Váll.sűrűség, log Vendégéjszakák, log Adóköteles jöv., log 5-10 fős vállalat 11-20 fős vállalat 21-50 fős vállalat 36
Független Kiterjesztett double-hurdle double-hurdle Együttható St. hiba Együttható St. hiba Együttható St. hiba 0.0229
0.0006
0.0258
0.0006
0.0268
0.0006
-0.0003 0.1462 0.1007 0.3530 0.9185 0.0907
0.0000 0.0036 0.0048 0.0049 0.0060 0.0037
-0.0003 0.1691 0.1112 0.3911 0.9836 0.1264
0.0000 0.0037 0.0049 0.0050 0.0061 0.0040
-0.0004 0.1808 0.1169 0.4018 1.0142 0.1653
0.0000 0.0038 0.0050 0.0051 0.0063 0.0044
0.1894 0.0139 0.2059 -0.5104 -0.4335 -0.2585 -0.1140 -0.0621 0.2190
0.0019 0.0012 0.0041 0.0062 0.0054 0.0043 0.0044 0.0067 0.0103
0.1895 0.0172 0.1873 -0.3890 -0.3490 -0.2108 -0.0991 -0.0658 0.1416
0.0019 0.0013 0.0041 0.0075 0.0061 0.0045 0.0043 0.0070 0.0107
0.1855 0.0183 0.1646 -0.3091 -0.2685 -0.1576 -0.0796 -0.0575 0.1187
0.0020 0.0013 0.0041 0.0101 0.0080 0.0049 0.0044 0.0073 0.0110
0.6158 -0.7803 -0.6033 -0.4957 -0.3225
0.0369 0.0572 0.0239 0.0278 0.0274
0.7065 -0.8662 -0.6725 -0.8710 -0.4730
0.0332 0.0570 0.0239 0.0279 0.0269
0.0266 0.0080 -0.7389 0.0259 0.8796 -2.3774 -2.1221 -1.7195
0.0299 0.0428 0.0574 0.0040 0.0644 0.1128 0.1125 0.1121
0.0308 0.0019 -0.7259 0.0219 0.9752 -2.2711 -2.0775 -1.7207
0.0288 0.0417 0.0561 0.0039 0.0634 0.0779 0.0775 0.0760
A free2 (szabadúszó típusú foglalkozások), a cash (gyakori készpénzes tranzakciókkal jellemezhető foglalkozások) és a trade (kereskedelmi típusú foglalkozások) dummy változóinak pontos definícióját illetően ld. Köllő (2008) tanulmányát.
51-300 fős vállalat Konstans N Korrigált R2 Rho
-1.1378 1.1643 100809 0.5096 -
100809 0.0000
0.1143 0.3357
-1.1389 0.1290
0.0779 0.3186
100809 0.0000
Forrás: saját számítás Mindkét kettős korlát modellben azt az esetet mutatjuk be, amikor a korrelációs paramétert ρ=0 –nak választjuk. Ezen megkötés nélkül is megbecsültük a modelleket: ρ enyhén negatívnak (-0,18) adódott, de érdemben nem befolyásolta az eredményeket, csak bizonytalanságot okozott a numerikus optimalizálásban. * A magas minimálbér negatív foglalkoztatási hatásai miatt bizonyos emberek kiszorulnak az alkalmazottak köréből. Emiatt a bértarifa állományában – amely csak az alkalmazotti körre terjed ki – mintaszelekció lép fel, és torzítást okozhat a becslésekben. Ennek kiküszöbölésére a MEF állományában – amely a teljes foglalkoztatotti kört tartalmazza – probit regressziót futtattunk a bértarifa mintájába kerülés valószínűségére. Az ebből előrejelzett inverz Mill-arányokat szerepeltettük a fenti regressziókban.
A diplomás bérelőnyre vonatkozó, első pillantásra meglepő eredmények annak köszönhetők, hogy a diplomások sokkal magasabb átlagbére miatt a diplomás minimálbéresek nagyobb valószínűséggel kerülnek a csalók táborába, mint a nem diplomás minimálbéresek, és valódi becsült bérük sokkal magasabb a nem diplomásokénál. Míg becslésünk szerint 2003-ban a minimálbéren bejelentett alkalmazottak mintegy fele keresett valójában többet bejelentett bérénél, 37 a felsőfokú végzettségűek körében ez az arány megközelíti a 100%-ot, az általános iskolát végzettek között viszont jóval 40% alatt marad. A 4. táblázat harmadik oszlopában találhatók a végzettség szerinti minimálbéres csalási valószínűségek a „benchmark” kiterjesztett kettős korlát modellel számolva: a diplomások esetében 97%-os, az érettségizettek esetén 67%-os, a szakmunkásképzőt végzetteknél 46%-os, és a legfeljebb általános iskolát elvégzőknél 30%-os valószínűséget kapunk. Összességében ugyanakkor a csaló minimálbéresek teljes alkalmazotti létszámhoz viszonyított arányát mérő „csalási aránymutató” (4. táblázat) a diplomások esetében némiképp kisebb, mint a nem diplomásoknál -- a valódi bérelőny növekedését tehát önmagában a csalók arányának eltérése nem magyarázza. A magyarázathoz a minimálbéren bejelentett alkalmazottak valós béréhez kell nyúlnunk. A minimálbéresek valós bérének átlaga modellünk szerint 85 ezer Ft körülre tehető, azaz 2003ban 60-80%-kal az érvényes minimálbér felett volt. (Ez a szám közel áll Köllő (2008) más eljárással kapott eredményéhez.) 2003-ban a diplomás minimálbéresek átlagos becsült bére 230 ezer Ft körül volt, az érettségizetteké 100 ezer Ft alatt maradt, míg a legfeljebb általános iskolát végzetteké alig haladta meg a 60 ezer Ft-ot (4. táblázat). Így a „csalási összegmutató”, amely annak indikátora, hogy a minimálbéresek becsült bérének figyelembe vételével mennyivel emelkedik az egyes végzettségi csoportok keresete, a diplomások esetében több
37
Más – plauzibilis – q és c paraméterválasztás esetén némiképp más eredményeket kapunk, összességében 45%-65% között szóródik acsaló minimálbéresek arányára vonatkozó becslés.
mint 10 ezer Ft, az érettségizetteknél majdnem 5 ezer Ft, és a legfeljebb általános iskolát végzetteknél kevesebb mint 2 ezer Ft. A bérük egy részét eltitkoló minimálbéresek valós keresete átlagosan 110 ezer Ft körül volt 2003-ban, a fiktív minimálbéresek becsült valós béreloszlását a 4. ábra mutatja. 4. táblázat: Minimálbéresek aránya, a minimálbéres csalás elterjedtsége és a valódi bér (a származtatott indikátorokkal együtt) iskolai végzettség szerint
Végzettség max. nyolc általános szakmunkásképző, szakiskola Érettségi Diploma Összesen
Minbéres Csalási Csalási Csalási Becsült aránymutató összegmutató arány (%) esély (%) bér (e Ft) (%) (e Ft) 13.4 30.0 61.8 4.0 1.6 15.9 10.8 5.9 12.3
45.6 66.7 97.3 51.1
69.6 94.1 221.3 85.8
7.2 7.2 5.8 6.3
3.1 4.7 10.2 4.4
Forrás: saját számítás a kiterjesztett kettős korlát modell alapján
.06 .04 .02 0
Minimálbéren foglalkoztatottak (%)
.08
4. ábra: Fiktív minimálbéresek valós béreloszlása
50000
100000
150000 Havi előrejelzett bruttó bér
200000
250000
Forrás: saját számítás a kiterjesztett kettős korlát modell alapján
A csalási valószínűségek és valóságos becsült bérek persze jelentősen szóródnak a különböző végzettségeken belül is, és valójában a foglalkozási csoportokkal vannak szorosabb összefüggésben. Az ábráról az is leolvasható, hogy a minimálbéren alkalmazottak aránya általában nem jó indikátora az aluljelentés elterjedtségének. Egyes, nagy minimálbéresaránnyal jellemezhető csoportokban a csalás valószínűsége magas (építkezés), másokban
(takarítók, képzetlen munkások) viszont kifejezetten alacsony. Vegyük példának a takarítókat és az építkezésen dolgozókat: mindkét csoportban 25% körül van a minimálbéresek aránya, de míg az előbbi minimálbéreseknek csak mintegy 15%-a csal, addig az utóbbi minimálbéresek körében 60%-os a csalási arány (5. táblázat). A csalási valószínűség a 100%ot közelíti a minimálbéres vezetőknél és diplomásoknál. A 2003-as szja- és járulékrendszer ismeretében azt is megbecsültük, hogy mennyivel nőttek volna a költségvetési bevételek, ha minden, minimálbéren alkalmazott munkavállaló a szimulált bérét kapta volna. A teljes fehéredési hatás a költségvetésben a GDP 0,6-0,7%-ának adódott. Az alacsony értéket magyarázza, hogy a becslés csak a legalább öt fős vállalatok alkalmazottaira vonatkozik (és mint láttuk, a kisebb vállalatok esetében nagyobb az adóeltitkolás). 38 Másrészt viszont a fenti számolás nem veszi figyelembe azt, hogy egy fehérítésnek szükségképpen negatív foglalkoztatási hatásai is vannak, ami csökkentené a valóságos többletbevételeket. 5. táblázat: Minimálbéresek aránya, a minimálbéres csalás elterjedtsége és a valódi bér (a származtatott indikátorokkal együtt) foglalkozás szerint
Minbéres Csalás Becsült Foglalkozás arány (%) esélye (%) bér (e Ft) Tanárok és orvosok 2.7 99.9 272.6 Vezetők 6.9 96.9 203.6 Más diplomások 4.2 98.7 195.8 Építő-, építészmérn. 16.3 95.1 175.0 Ügyintézők 8.0 77.9 122.7 Technikusok 6.6 79.9 119.4 Sofőrök 16.2 76.4 96.5 Irodai, ügyfélszolgálati ügyintézők 12.8 56.5 90.3 Szolgáltatások 6.8 49.7 84.1 Építkezés 25.4 62.7 80.9 Mezőgazdaság 11.2 42.7 77.7 Ipar 12.2 44.0 75.1 Gépkezelők 6.0 38.5 74.6 Kereskedelem 22.2 40.5 69.2 Portások és őrök 17.1 30.2 65.6 Képzetlen munkások 25.0 24.3 61.6 Takarítók 23.7 15.0 57.2 Összesen 12.3 51.1 85.8
Csalási Csalási aránymutató összegmutató (%) (e Ft) 2.6 5.9 6.6 10.5 4.1 6.1 15.5 20.4 6.2 5.8 5.3 4.6 12.4 7.5 7.2 5.1 3.4 2.3 15.9 7.8 4.8 3.1 5.4 3.1 2.3 1.5 9.0 4.3 5.1 2.7 6.1 2.9 3.6 1.7 6.3 4.4
Forrás: saját számítás
38
Krekó és P. Kiss (2008) a 2005-2006. években a GDP 2%-ára becsüli a minimálbéresek és az alatt alkalmazottak kieső adóalapját.
Az elmúlt évek szabályozási változásainak hatása Az elmúlt néhány évben a szabályozásban bekövetkező változások (elsősorban a minimálbér kétszerese utáni járulékfizetés és a szakképzett bérminimum bevezetésének) 39 hatására a minimálbéren alkalmazottak aránya jelentősen, a környező országokban megfigyelhető szintre – kb. 2%-ra – csökkent (1. ábra), ugyanakkor csúcs jelent meg a minimálbér kétszeresénél és a szakmunkás bérminimumoknál. A minimálbéresek száma egyébként a vállalkozók körében az alkalmazottakhoz képest még drasztikusabb ütemben mérséklődött (ld. az 5. ábrát, ahol az ONYF jogviszony adatokból számolt jövedelmek eloszlása látszik 2005-ben és 2007-ben). 40 6. ábra: Az alkalmazottak és a főállású vállalkozók járulékfizetés alapjául szolgáló havi jövedelmének eloszlása 2005-ben és 2007-ben
Alkalmazottak .8
Egyéni és társas vállalkozók 2005
0 .8
2007
0
0
.2
.05
.4
.1
.6
Arány
2007
.15
Arány
0
.2
.05
.4
.1
.6
.15
2005
50000
100000
150000
200000
250000
Havi jövedelem
50000
100000
150000
200000
250000
Havi jövedelem
Forrás: saját számítás ONYF alapján
A fentiek azt is jelentik, hogy a pontosan minimálbéren történő csalás az alkalmazottak körében jelentéktelenné vált: az adóellenőrzések esélyének csökkentése érdekében a 2003-ban minimálbéren csalók 2007-re már jellemzően nagyobb adó- és járulékalapot jelentettek be a hatóságnak. Minimálbéresek elsősorban a legfeljebb nyolc általánost végzettek körében maradtak, míg például a diplomások körében arányuk csekély lett. 39
A minimálbér kétszerese utáni járulékszabály 2006. szeptember 1-jétől, a garantált bérminimum pedig 2006. július 1-jétől érvényes. 40 Míg az ONYF-adatok szerint 2005-ben a főállású egyéni és társas vállalkozók nagy többsége (majdnem 80%a) a minimálbér után fizetett járulékalapot, addig ez az arány 2007-re 35% körülre csökkent, viszont megjelentek a kétszeres minimálbér után fizetők, 25% körüli arányban (60 ezer fő). A vállalkozók bevallott járulékalapja azonban még mindig jóval kisebb az alkalmazottakénál
A béreltitkolók átrendeződését illusztrálja a 2007-ben a minimálbér kétszeresén bejelentett mintegy 80 ezer alkalmazott (az alkalmazottak 3%-ának) összetétele is. Ennek a csoportnak az átlagfizetése 2005-ben csak 91,5 ezer Ft volt, azaz két év alatt több mint 40%-os béremelkedést ért el, ami jóval nagyobb annál a 20%-nál, amennyit a 2007-ben a kétszeres minimálbérnél kissé kevesebbet keresők realizáltak két év alatt. 41 Ez a tény arra utal, hogy a kétszeres minimálbéresek között az átlagnál többen vannak olyanok, akik a megelőző években adóeltitkolók voltak (és valószínű, hogy egy részük a megemelt béren felül is kap zsebbe fizetést). Ennek fényében érdekes megvizsgálni, hogy milyen tényezők határozták meg azt, hogy egy 2005-ben még minimálbért kereső munkavállaló 2007-ben már a minimálbér kétszeresét keresse. A 6. táblázat mutatja, hogy a 2005-ben diplomás minimálbéresek több mint negyede, míg a legfeljebb nyolc általánost végzettek kevesebb mint 3%-a vált 2007-re kétszeres minimálbéren foglalkoztatottá. Ezt erősítik meg a 2005-ben minimálbért keresők körén a kétszeres minimálbéressé válás valószínűségére megbecsült probit modell eredményei: a (legfeljebb nyolc általánost végzettekhez viszonyított) végzettség dummyk mind szignifikánsak, és a végzettség növekedésével növekvő nagyságúak. Ráadásul számos kontrollváltozót használva továbbra is szignifikánsak maradnak a változók, mutatva azt, hogy a végzettség hatása a minimálbéresek kétszeres minimálbéressé válásának valószínűségére az életkort, nemet, településtípust és vállalatméretet figyelembe véve is megmarad. Mindez tehát közvetetten szintén arra utal, hogy a 2005-ben minimálbért keresők esetében a magasabb végzettséggel rendelkezők körében elterjedtebb volt a csalás, mint az alacsonyabb végzettségűek körében. 7. táblázat: A minimálbéresek kétszeres minimálbéressé válásának valószínűsége végzettség szerint Együtthatók és standard hibák a probit modellben Dupla minbér kontrollok Végzettség esélye (%) nélkül kontrollokkal max. nyolc általános 2,7 szakmunkás, szakiskola 4,6 0,69 (0,16)*** 0,35 (0,19)* érettségi 10,5 0,55 (0,18)*** 0,61 (0,21)*** diploma 27,0 1,39 (0,22)*** 1,25 (0,23)*** Összesen 6,8 Forrás: Reizer Balázs számításai Megjegyzés: kontrollok a probit modellben: életkor, nem, településtípus, vállalatméret
41
Dupla minimálbéresnek a 130 és 132 ezer Ft között keresőket tekintjük, míg kontrollcsoportnak a 125 és 130 ezer Ft között keresőket választottuk.
4. 4. Következtetések Az ÁFSZ bértarifa-felvételén alapuló, a kettős korlát ökonometriai technikát használó becsléseink szerint 2003-ban a minimálbéren bejelentettek 45-65%-a fizetésének egy részét zsebbe kapta. A minimálbéresek aránya negatív kapcsolatban, a minimálbéresek közötti csalás valószínűsége és a „zsebbe kapott bér” nagysága viszont pozitív kapcsolatban áll az iskolai végzettséggel. A két hatás eredője az, hogy a „valódi” bérekben enyhén nagyobb a diplomások bérelőnye, mint a bejelentett bérekre felírt regressziókban, azaz a minimálbéres csalás jelensége miatt a diplomások szokásosan számított bérelőnye alulbecsült. (A torzítás 6,5-9,5% a nyolc általánost végzettekhez viszonyított bérelőny, és 2,5-4,5% az érettségizettekhez viszonyított bérelőny esetén.) Az is utal a diplomások körében a minimálbéres csalás elterjedtségére, hogy a 2005-2007-es szabályozási változások során a diplomás minimálbéresek sokkal nagyobb valószínűséggel váltak kétszeres minimálbéressé, mint a nem diplomások. Hivatkozások Cragg, J. (1971): Some statistical models with limited dependent variables with application to the demand for durable goods. Econometrica 39, 829-844. Czibik Á. és Medgyesi M. (2007): A lakosság nyugdíjjal kapcsolatos megtakarítási tudatossága és hajlandósága. Egy lakossági kérdőíves felvétel elemzése. MKIK GVI, Budapest, november. Dickens, R., Machin, S. és Manning, A. (1994): The effects of minimum wages on employment: theory and evidence from the UK. NBER Working Paper 4742, Cambridge, MA. Elek P., Osztotics A., Scharle Á., Szabó B. és Szabó P. A. (2008): Az Országos Egészségbiztosítási Pénztár, az Országos Nyugdíjbiztosítási Főigazgatóság és a Magyar Államkincstár kezelésében levő adatbázisok. Megjelent: Áttekintés az államigazgatási adatbázisokkal és teljeskörű összeírásokkal kapcsolatos kutatási tapasztalatokról (szerk.: Köllő J.). MTA-KTI Adatbank, 2008. okt. 2. Köllő J. (2008): Two notes on unreported employment and wages. Kézirat, készült a Világbank és Magyarország kormánya között a fekete (adózatlan) foglalkoztatás visszaszorítása érdekében folytatott együttműködés keretében, 2008. febr. 2. Krekó J. és P. Kiss G. (2007): Adóelkerülés és a magyar adórendszer. MNB-tanulmányok 65. sz. Krekó J. és P. Kiss G. (2008): Adóelkerülés és adóváltoztatások Magyarországon. MNBSzemle, 2008. április, 24-33. old. Labeaga, J. M. (1999): A double-hurdle rational addiction model with heterogeneity: Estimating the demand for tobacco. Journal of Econometrics 93, 49-72.
Martinez-Espineira, R. (2006): A Box-Cox double hurdle model of wildlife valuation, the citizen’s perspective. Ecological Economics 58, 192-208. Mayumder, A. és Chakravarty, S. R. (1990): Distribution of personal income – development of a new model and its application to United States income data. Journal of Applied Econometrics 5, 189-196. Meyer, R. H. és Wise, D. A. (1983a): Discontinuous distributions and missing persons: the minimum wage and unemployed youth. Econometrica 51, 1677-1698. Meyer, R. H. és Wise, D. A. (1983b): The effects of minimum wage on employment and earnings of youth. Journal of Labor Economics 1, 66-100. Moffatt, P. G. (2005): Hurdle models of loan default. Journal of the Operational Research Society 56, 1063-1071. Saz-Salazar, S. D. és Rausell-Köster, P. (2006): A double-hurdle model of urban green areas valuation: Dealing with zero responses. Landscape and Urban Planning 84, 241–251. Semjén A. és Tóth I. J. (2004): Rejtett gazdaság és adózási magatartás. Magyar közepes és nagy cégek adózási magatartásának változása 1996-2001. Elemzések a rejtett gazdaság magyarországi szerepéről 4. tanulmány. MTA-KTI, Budapest, január Semjén A., Tóth I. J., Medgyesi M. és Czibik Á. (2009b): Adócsalás és korrupció: lakossági érintettség és elfogadottság. Megjelent: Rejtett gazdaság. Be nem jelentett foglalkoztatás és jövedelemeltitkolás – kormányzati lépések és a gazdasági szereplők válaszai (szerk.: Semjén A. és Tóth I. J.). KTI Könyvek 11. kötet, 228-258. Shelkova, N. Y. (2008): Low wage labor markets and the power of suggestion. Working Paper 2008/33, Department of Economics, University of Connecticut. Teklewold, H., Dadi, L., Yami, A. és Dana, N. (2006): Determinants of adoption of poultry technology: a double-hurdle approach. Livestock Research for Rural Development 18. Tonin, M. (2007): Minimum wage and tax evasion: theory and evidence. Institute of Economics DP 2007/1., Budapest. Tóth I. J. és Semjén A. (1996): Tax behaviour of small and medium-sized enterprises. Review of Sociology of the Hungarian Sociological Association, különszám, 67-87. Yen, S. T. és Jones, A. M. (1997): Household consumption of cheese, an inverse hyperbolic sine double hurdle approach with dependent errors. American Journal of Agricultural Economics 79, 246-251.
Függelék A. Adatok előzetes transzformációja A 6. ábrán látható, hogy a megfigyelt logaritmikus béreloszlás Magyarországon nem csonkolt normális, mert közvetlenül a log-minimálbér felett több munkavállaló van, mint amit a normális eloszlás alapján várnánk. A 2001-2002-es nagy minimálbér-emelések hatására a bérek „feltorlódtak”: mivel a legalacsonyabb termelékenységű munkavállalók részére is ki kellett fizetni a minimálbért, a belső feszültségek elkerülése végett a náluk kissé magasabb termelékenységű dolgozók fizetése is megnőtt. Ugyanakkor a medián közeli béreknél – a munkapiaci alapmodellekkel összhangban – már jó közelítésnek bizonyul a normális eloszlás.
.15
6. ábra: Bruttó keresetek logaritmusának hisztogramja a versenyszférában
0
.05
Arány
.1
1999
15
14 13 12 11 Havi bruttó átlagkereset logaritmusa
.15
10
0
.05
Arány
.1
2003
10
13 14 12 11 Havi bruttó átlagkereset logaritmusa
15
Forrás: saját számítás
Ezért olyan transzformációt keresünk, amely a magasabb log-bérek esetén közelítően identitás, az alacsonyabb béreknél pedig figyelembe veszi a feltorlódást. Precízebben, azt feltételezzük, hogy nem az (1)-(3) egyenlet által definiált y*-ot, hanem g(y*)-ot figyeljük meg, ahol: (1)
g( x ) = x + r exp( −( x − lmw + r ) /r ) , ha x ≥ lmw – r,
és lmw a minimálbér logaritmusa, r pedig egy meghatározandó paraméter. Példaként a 7. ábra mutatja a g függvényt r = 0,3 esetén. Az r paramétert két módszerrel becsültük meg. Az egyikben azt használtuk fel, hogy a feltorlódási görbe jellege meghatározható a 2002-es és a 2000-es egyéni bérek összehasonlításával. A két év bértarifa felvételeiből készített kvázipanel 42 segítségével hozzárendeltük a 2000-es évben egy adott percentilisben kereső munkavállalók 2000-es béreinek mediánjához azok 2002-es béreinek mediánját, majd az így kapott görbét korrigáltuk az átlagos béremelkedési ütemmel, végül a görbére ráillesztettük a g függvényt legkisebb négyzetek módszerrel.
10.5
11
g(y)
11.5
12
7. ábra A g függvény alakja r = 0,3 paraméter esetén
10.5
11.5
11
12
y
A másik eljárás az r paraméter becslésére tisztán statisztikai alapon nyugszik. Azt feltételezzük, hogy a minimálbér feletti munkavállalók logaritmikus béreinek eloszlása g(y*), ahol y* csonkolt normális eloszlás m várható értékkel és s szórással. Az így kapott három paraméteres (r,m,s) modell maximum likelihood módszerrel megbecsülhető, és egy olyan, g-1 függvénnyel visszatranszformált eloszlás állítható elő, amely már közelítően csonkolt normális. Az r paraméter a két becsléssel 0,326-nak, illetve 0,319-nek adódott. A 8. ábra mutatja, hogy a visszatranszformált eloszlás már tényleg jó közelítéssel (csonkolt) normális. A tanulmányban erre a transzfomált adatbázisra becsüljük az (1)-(3) modellt.
42
Kertesi és Köllő (2004) eljárását követve a mintában szereplő egyéneket a nem, életkor, iskolai végzettség, négyjegyű foglalkozási kód ill. a településen 2001-ben átlagosan elvégzett osztályszám alapján kapcsoltuk össze (a vállalatot és telephelyet azonosító információk nem álltak rendelkezésünkre). A többszörös találatok kizárása után 30 342 egyént találtunk, akik nagy valószínűséggel megegyeznek a 2000. és 2002. évi mintában.
0.00
0.05
Arány
0.10
0.15
8.ábra: A visszatranszformált log-keresetek hisztogramja
0
1
2 3 transzformált logkereset
4
5
B. Felhasznált változók 7. táblázat: A szelekciós egyenletben használt változók statisztikai jellemzői Változó neve Külföldi Szabadúszó Készpénzes fogl. Kereskedelem Budapest Nem megyeszékh. Város Község Vállalkozások sűrűsége*, log Vendégéjszakák, log** Adóköteles jöv., log*** 21-50 fős vállalat 51-300 fős vállalat 301-1000 fős vállalat 1000-3000 fős vállalat 3000- fős vállalat
Mintaelemszám 115740 127977 127977 127977 125385 125385 125385 125385
Átlag 0,2320 0,0146 0,0853 0,0729 0,2505 0,3398 0,1581 4,5706
Szórás 0,4221 0,1200 0,2793 0,2600 0,4333 0,4737 0,3648 0,4107
125385 125385 127977 127977 127977 127977 127977
-0,9835 6,3743 0,0179 0,6718 0,1393 0,0867 0,0797
3,5276 0,3062 0,1325 0,4696 0,3462 0,2814 0,2709
Min.
Max.
0 0 0 0 0 0 0 2,5312
1 1 1 1 1 1 1 5,3901
-10 4,7476 0 0 0 0 0
5,2758 7,0154 1 1 1 1 1
* ezer állandó lakosra jutó szám, ** vendégéjszaka/állandó népesség, *** egy állandó lakosra jutó adóköteles jövedelem alap
Amennyiben a modell (az eloszlásfeltevésekkel együtt) tényleg jól specifikált, akkor az identifikáció történhet pusztán a nemlinearitás alapján, azaz elméletileg lehetséges, hogy mindkét egyenletben ugyanazokat a változókat szerepeltessük (tehát hogy X=Z legyen). Az identifikáció megkönnyítése érdekében azonban érdemes olyan változókat keresni, amelyek a béregyenletet nem, csak a szelekciós egyenletet befolyásolják. Ezért használunk a szelekciós egyenletben olyan foglalkozási változókat, amelyek a szürkebérezést közvetlenül próbálják megragadni (szabadúszó típusú, gyakori készpénzes tranzakciókkal jellemezhető ill. kereskedelmi típusú foglalkozások). 43 8. táblázat: A szürkebérezés vizsgálatánál használt foglalkozási csoportok Foglalkozási csoport
Foglalkozás betöltéséhez szükséges végzettség
FEOR-kód
Mezőgazdaság
legf. középfok
Építkezés (max. középfok) Szolgált. (max. középfok)
legf. középfok legf. középfok
Keresk. (max. középfok) Ipar Egyéb fizikai Takarítók Egyéb képzetlenek Gépkezelők Portások és őrök Gépkocsivezetők Szellemi Irodai, ügyfélszolgálati dolgozók Technikusok, eü., ápolási Ügyintézők Vezetők Tanárok és orvosok Más diplomások
legf. középfok legf. középfok
61-64 és 92 (beleértve a mezőgazdasági gépjárművek vezetőit) 76 52-53 kivéve 532, 533 és 536. Tartalmazza a közlekedést, postát és hírközlést 51, 421, 422 és 429 71-75
nem igényel nem igényel legf. középfok legf. középfok legf. középfok
911 913-919 81-83 912 és 536 833, 835, 836
legf. középfok
41-42 és 532-533
43
felső- vagy középfok felső- vagy középfok felsőfok felsőfok
Ezek pontos definícióját illetően ld. Köllő (2008).
31-34 35-39 11-14 22-24 21-29 kivéve 22-24
5. A DIPLOMÁSOK VALÓS BÉRELŐNYE FOGYASZTÁSI ÉS JÖVEDELMI ADATOK ALAPJÁN
Benedek Dóra és Szabó Péter András 5. 1. Bevezetés A szürke és fekete gazdaság 44 alatt általánosan megfogalmazva azokat a tevékenységeket értjük, amelyet a gazdaság szereplői törekszenek a hatóságok elől elrejteni annak érdekében, hogy az adófizetést elkerüljék. Az így értelmezett adócsalás egyik kiváltó okaként a magas adókat szokták leggyakrabban említeni. Éppen ezért az adócsalás kérdése Magyarországon az elmúlt évtizedben a figyelem középpontjában volt, hiszen a munkát terhelő adók nemzetközi összehasonlításban a legmagasabbak közé tartoznak. Csak egy mutatót említve: 2006-ban az átlagos kereset adóéke (azaz a munkavállaló és munkáltató által együttesen kifizetett adó és járulékok összege a teljes bérkeresethez viszonyítva) mintegy 15 százalékponttal volt magasabb az OECD tagországok átlagánál. Emiatt egyre több tanulmány vizsgálta az adócsalás különböző formáinak el- és kiterjedtségét (például Krekó – P. Kiss (2008); Semjén – Tóth (2009); Elek et al. (2009)). Az adócsalás egyik negatív következménye az adó- és járulékbevételek kiesése, amely így szűkíti a teret egy esetleges adókulcs-csökkentéshez. A jövedelemeltitkolás ezen kívül más területeken is fejthet ki hatást. Egy ilyen, kevéssé vizsgált terület, hogy módosítja a bérstatisztikákat. A jövedelemeltitkolás a gazdaságban vélhetően nem egyenletes, nem minden szektor és minden munkavállaló ugyanolyan mértékben tudja, akarja bérét eltitkolni. Alapos empirikus kutatás nélkül azonban nem világos, hogy mely csoportokat jellemez inkább a jövedelemeltitkolás, és ez merre torzítja a hivatalos kereseti adatokat. Jelen kutatás apropóját az OECD 2006-os összehasonlítása adta, amely szerint Magyarországon a legmagasabb a diplomások kereseti előnye az átlagbérhez viszonyítva. Egy elképzelhető hipotézis, hogy ennek a kereseti előnynek egy része látszólagos, és a diplomások és nem-diplomások közötti eltérő jövedelemeltitkolásból fakad. Ezért fontos kérdés, hogy vajon a diplomások és a nem-diplomások jövedelemeltitkolása eltérő-e. Tanulmányunkban ezt a kérdést vizsgáljuk háztartási szintű fogyasztási és jövedelmi adatok összehasonlításával. 5. 2. Irodalom-áttekintés Az eltitkolt jövedelmek mérése természeténél fogva igen nehézkes. Leggyakrabban makrostatisztikákból következtetnek a feketegazdaság és a jövedelemeltitkolás mértékére, azonban ezek mögött a számítások mögött általában hiányzik az elméleti megalapozottság. A mikroadatokra épülő számítások alapvetően két irányt követnek: a direkt módszer esetében a 44
Különbséget szoktak tenni azon tevékenységek között, amelyeknél az adófizetést teljesen (feketemunka) ill. részlegesen (szürke munka) eltitkolják. Ez utóbbinál a munkavállaló ugyan be van jelentve, de valós fizetése nagyobb a hatóságok felé bejelentett bérénél, a különbözetet pedig zsebbe kapja.
jövedelemeltitkolásra vonatkozó elsődleges adatokat használják fel, ilyen lehet például az adóellenőrzések eredménye. Ilyen adat azonban kevés országban áll rendelkezésre elemzési célokra, ezért legtöbb esetben indirekt módszerekre kell támaszkodni. A Pissarides és Weber (1989) által javasolt módszer a jövedelemeltitkolás mértékét a fogyasztási adatok segítéségével becsüli indirekt módon. A módszer lényege, hogy önbevalláson alapuló adatbázison hasonlítja össze a kiadásokat és a háztartási jövedelmeket, vagyis az fogyasztásikereslet Engel görbéje alapján számítja a (relatív) jövedelemeltitkolást. A számítás számos alapvető feltételezésre épül, az egyik, hogy a fogyasztásra vonatkozó adatok megfelelnek a valóságnak, a másik, hogy van egy olyan csoport a mintán belül, amelynél a jövedelmek is megfelelnek a valóságnak, ezen kívül feltételezi, hogy az egyes háztartások fogyasztásra vonatkozó preferenciái hasonlóak. Az első és harmadik feltétel teljesülése érdekében leggyakrabban az élelmiszer-kiadásokat használják az elemzésekben, mivel az önbevalláson alapuló adatbázisokban ezeket a kiadásokat napi szinten teljes részletezettséggel kell feljegyezni, így feltételezhetjük, hogy ezekben nincs eltitkolás vagy torzítás, valamint az is valószínűnek tűnik, hogy az egyes csoportok (pl. alkalmazottak és vállalkozók) élelmiszerfogyasztásra vonatkozó preferenciái hasonlóak. Pissarides és Weber módszerét továbbfejlesztve Lyssiotou et al (2004) egy teljes keresleti egyenletrendszer (complete demand system) becslését javasolja, mert így figyelembe vehetők az egyes háztartásoknál a jövedelmek forrásából következő különbségek is. Ez a szerzők szerint azért fontos, mert a háztartások feltehetően nem ugyanolyan módon költik el a rendszeres és a nem rendszeres jövedelmüket, vagyis feltehetően a rendszeres kiadásokra (pl. élelmiszerek) a rendszeres jövedelmüket használják, míg a rendkívüli bevételeket, amilyen esetleg a vállalkozásból származó jövedelem lehet, inkább luxus-jószágokra költik. Ezen kívül a vállalkozásból származó bevételeket valószínűleg inkább olyan kiadásokra fordítják, amelyek leírhatók a vállalkozás bevételeiből, pl. autó, telefon, stb. Ezért ahelyett, hogy a háztartásokat a fő bevételi forrás alapján sorolnánk csoportokba (alkalmazott vs. vállalkozó), inkább azt kell figyelembe venni, hogy az egyes forrásokból mekkora bevételük származik. Pissarides és Weber módszerét alkalmazva leggyakrabban az önfoglalkoztatók jövedelemeltitkolását vizsgálják (pl. Pissarides és Weber Angliára, Engström és Holmlund (2006) Svédországra, Johansson (2005) Finnországra). Magyar adatokat használva Tonin (2008) alkalmazta a fenti módszert panel-adatokra adaptálva a 2001-2002-es minimálbéremelés hatásainak elemzéséhez. Tonin azt vizsgálta, hogy azok körében, akik a minimálbéremelés előtt minimálbért kaptak, máshogy változott-e a fogyasztás-jövedelem kapcsolat, mint azok körében, akik nem minimálbérre voltak bejelentve. Az elemzés hátterében az a feltételezés áll, hogy ha nincs különbség a két csoport között, akkor az ex-minimálbéresek jövedelemeltitkolási viselkedése nem változott meg, így a minimálbér-emelés előtt is és után is a minimálbér volt a valós bérük. A KSH Háztartási Költségvetési Felvétel kétéves panelbe kapcsolt adatai alapján azt találta, hogy azoknál az alkalmazottaknál, akiknek a főmunkahelyi keresete 1999-2000-ben a régi és az új minimálbér között volt, és 2000-2001-ben az emelésnek megfelelő szintre emelkedett, fogyasztási kiadásaik csökkenése volt
megfigyelhető, vagyis ezek a dolgozók jövedelmük egy részét zsebbe kapták, és az emelés után a valós jövedelmük vélhetően csökkent. Toninhoz hasonlóan Gorodnichenko et el (2009) is egy olyan reform értékeléséhez használta a Pissarides és Weber által javasolt módszert, ami feltehetően érintette az adóeltitkolási viselkedést. A 2001-es orosz adóreform során jelentősen csökkentek az adókulcsok, de változott az adóellenőrzés is. Gorodnichenko szerzőtársaival azt vizsgálta, hogy mennyiben változott a reform hatására a háztartások jövedelemeltitkolása. Ehhez szintén panel adatokon hasonlította össze a háztartások jövedelem- és fogyasztásváltozását. 5. 3. Elemzési módszertan Magyarországon a diplomások bérelőnye – bevallott jövedelmeken alapuló statisztikák alapján- magasabb, mint a legtöbb európai országban (lásd I. fejezet, szakirodalmi áttekintés, Strauss és de la Maisonneuve, 2007). A bevallott jövedelmeken alapuló statisztikák azonban nem a valós bérviszonyokat tükrözik. Annak érdekében, hogy meg tudjuk állapítani a diplomások valós bérelőnyét, meg kell becsülnünk a valós jövedelmeket. Jelen tanulmányban a Pissarides és Weber (1989) által javasolt módszert használjuk a tényleges jövedelmek, és így a tényleges diplomás bérelőny becsléséhez. A módszer alapja, hogy feltételezzük, hogy minden háztartás pontosan vallja be az élelmiszerfogyasztását, ezen kívül feltesszük, hogy a háztartásoknak van egy olyan csoportja (közalkalmazottak) 45, akik pontosan vallják be a jövedelmüket is. Továbbá feltételezzük, hogy az élelmiszerfogyasztás szerkezete nem függ a jövedelem forrásától, csak a jövedelem szintjétől, tehát a két csoport fogyasztási keresletet leíró Engel-görbéje egymással párhuzamos, vagyis a fogyasztás jövedelem-rugalmassága azonos a két csoportra. Amennyiben a két csoport egy-egy hasonló tagja azonos c* szintet fogyaszt, de más jövedelem mellett, akkor a jövedelmek közötti eltérés a jövedelemeltitkolás mértékét mutatja meg. Vagyis ha azt találjuk, hogy a c* fogyasztáshoz a valós y k jövedelemszint tartozik valamely közalkalmazottnál, míg az eltitkolók között ehhez a c* szinthez y e jövedelmet találunk, akkor az eltitkolás mértéke a két jövedelemszint közti különbség: y k -y e lesz. Tehát a közalkalmazottak (jövedelmüket nem eltitkolók) körében a valós rendelkezésre álló jövedelem ( Yi ) megegyezik a bevallott rendelkezésre álló jövedelemmel ( Yi ' ), de a jövedelmüket eltitkolók körében a bevallott jövedelem alacsonyabb: (1) 45
Yi = kiYi ' , ahol ki ≥ 1
A nemzetközi irodalomban általában a vállalkozókat és az alkalmazottakat hasonlítják össze, azonban előzetes számításaink szerint a magyar adatokon nincs jelentős különbség a vállalkozók és az alkalmazottak között, feltehetően azért, mert az alkalmazottak körében is elterjedt a jövedelemeltitkolás. Ezért olyan referenciacsoportot kerestünk, ahol jóval kisebb a valószínűsége a jövedelmek eltitkolásának (közalkalmazottak egészségügyi dolgozók nélkül).
ki a háztartásra jellemző jövedelemeltitkolást leíró változó, amelynek értéke annál nagyobb, minél nagyobb arányú az eltitkolt jövedelem. A háztartások fogyasztása a jövedelem függvénye, azonban nem az azonnali, hanem a permanens jövedelem a meghatározó, mivel a háztartások fogyasztásukat simítják, kiküszöbölve ezzel az azonnali jövedelemben bekövetkező kilengéseket. (2)
ln Ci = α X i + β ln Yi p + ε i
Ahol Yi p az i háztartás permanens jövedelme, X i a fogyasztást befolyásoló háztartási jellemzők vektora, ε i pedig egy véletlen hibatag. Mivel az adatforrásokban nincs megfigyelés a permanens jövedelemre vonatkozóan, fel kell használnunk a megfigyelt és a permanens jövedelem közötti összefüggést. 46 (3)
Yi = piYi p
(1) és (3)-at logaritmálva és (2)-be behelyettesítve kapjuk, hogy (4)
ln Ci = α X i + β ln Yi ' − β ( ln p − ln k ) + ε i
Ha (4)-et közösen becsüljük az eltitkoló és nem-eltitkoló csoportok tagjaira, akkor a becslési egyenletünk a következő lesz (5)
ci = α X i + β yi + γ Ei + ε i
ahol i jelöli a háztartást, c i az élelmiszerfogyasztás logaritmusa, y i a megfigyelt rendelkezésre álló jövedelem logaritmusa, X i a fogyasztást befolyásoló háztartási jellemzők vektora, E pedig egy dummy változó, amelynek értéke 1, ha a háztartás abba a csoportba tartozik, amelynél feltesszük, hogy van jövedelemeltitkolás és 0, ha feltesszük, hogy a valós jövedelmét vallja be. ε i a véletlen hibatag. Az Engel görbék párhuzamossága mellett az (1) egyenletben a γ param éter mutatja a két Engel görbe közötti távolságot. Ha γ > 0, akkor val óban jövedelemeltitkolást látunk, az eltitkolás mértékét pedigγ / β adja. Mivel a fogyaszt ás és a jövedelem logaritmálva jelenik meg (5)-ben, a jövedelmét eltitkoló csoport tagjainak bevallott jövedelmét a k = exp( γ/β) szorzóval kell szorozni, hogy megkapjuk a valós jövedelmet.
46
A levezetéshez szüksége feltételekről és a további részletekről lásd Pissarides és Weber (1989).
Amennyiben a jövedelem endogén, instrumentálni kell. Az instrumentálással kapcsolatban felmerül a gyakori probléma, hogy olyan instrumentumokat kell találnunk, amelyek a jövedelemmel jól korreláltak, az egyenlet bal oldalával, a fogyasztással, azonban nem. Az (5) egyenlet becsléséből származó eredmények a háztartások rendelkezésre álló jövedelmére vonatkoznak, mi azonban a valós bruttó adóköteles jövedelemre vagyunk kíváncsiak, ezért a becsült valós rendelkezésre álló jövedelmet módosítani kell a következők szerint. Feltételezzük, hogy az eltitkolás minden háztartásnál az adóköteles jövedelemrészből származik, és az adómentes tételek (pl. nyugdíj, családi pótlék 47) bevallott nagysága megegyezik a valóságossal. Így első lépésben a becsült valós rendelkezésre álló jövedelemből visszaszámoljuk a becsült valós nettó adóköteles jövedelmet az alábbi összefüggésből. (6)
y= yan + ym , t
ahol yan a nettó adóköteles jövedelem, yt a teljes rendelkezésre álló jövedelem és ym az adómentes jövedelem. Az (5) egyenlet becslésének eredményeként kapunk egy becsült valós rendelkezésre álló jövedelmet yt , amit felhasználva kapjuk a becsült valós nettó jövedelmet. (7)
y= n yt − ym a
Ebből azonban még tovább kell számolnunk a valós bruttó jövedelmet egy implicit adókulcs segítségével, ezért második lépésként megállapítjuk a bruttó jövedelem kalkulálásához szükséges implicit kulcsokat. Az implicit adókulcsoknál igyekeztünk az adórendszer progresszivitásából származó hatásokat is figyelembe venni, ezért nem egyetlen adókulcsot használunk. A bevallott adatokból a rendelkezésre álló jövedelem decilisenként számítottuk ki, hogy mekkora a bruttó és a nettó jövedelem átlagos aránya b d /n d , ahol d=1,…,10, az egyes deciliseket jelöli. Utolsó lépéséként megnéztük, hogy a becsült valós nettó jövedelem alapján a háztartás melyik jövedelmi sávba esne, és az erre a tizedre vonatkozó b d /n d aránnyal szorozva kaptuk meg a becsült valós bruttó jövedelmet.
(8)
b yab = yan d nd
Ezt a becsült valós bruttó jövedelmet hasonlítottuk össze a diplomás és nem diplomás háztartások esetén, és így számítottuk a valós bérelőnyt. 47
Elemzésünkben 2006-os adatokat használunk (lásd később), ebben az évben ezek a tételek adómentesek voltak.
5. 4. Adatok, változók Az elemzéshez a KSH Háztartási Költségvetési Felvételének (HKF) 2006. évi adatállományát használtuk. A HKF-et a KSH 1993-tól évente elkészíti, ez Magyarországon a háztartások jövedelmére és fogyasztására kiterjedő legrészletesebb és legnagyobb elemszámú rendszeres adatfelvétel. A HKF célja a háztartások jövedelmeinek és kiadásainak mind pénzbeli, mind természetbeni módon való kimutatása, és a kiadások még pontosabb felmérése érdekében a felmérés nemcsak utólagos kikérdezésen, hanem évközbeni naplóvezetésen is alapul. Azonban mivel az adatfelvétel önkéntes bevalláson alapul, ezért a felvételben való közreműködés megtagadása miatt a válaszadók tényleges mintája eltér az eredetileg megcélzott sokaságtól (ami a teljes magyar népesség). Az egyik legfontosabb hátránya a mintának a fiatal felnőttek és Budapest, valamint a többi nagyváros alulreprezentáltsága, és a nyugdíjasok és munkanélküliek túlreprezentáltsága a mintában. Ennek következtében az aktív, városi keresők aránya a mintában alacsonyabb, vagyis a minta a valóságosnál kevesebb magas jövedelmű és több alacsonyabb jövedelmű háztartást tartalmaz (Galla, 2007). Továbbá a valóságosnál kisebbnek mutatja a jövedelem és fogyasztás átlagos adatait és lényegesen kisebbnek mutatja a lakosság egyes csoportjai közötti jövedelmi és fogyasztási különbségeket (KSH 1997, 23-24. o.). Ezeknek a torzításoknak ismeretében mégis úgy gondoljuk, hogy a minta alkalmas a diplomások valós bérelőnyének vizsgálatára a következő okokból. A részletes naplóvezetésnek köszönhetően a felvétel részletes adatokat tartalmaz a háztartás élelmiszerre (és egyéb termékekre) fordított kiadásairól, aminek köszönhetően a valós élelmiszerkiadások eltitkolása nehéz. A jövedelemadatokat a kérdezőbiztosok hivatalos okmányok (adóbevallás, munkáltatói jövedelemigazolás, nyugdíjszelvény stb.) alapján próbálják kitölteni, így azok közel állnak a bevallott jövedelmekhez (bár egyes jövedelemtételek, mint az alkalmi munka, szürke vagy fekete bevételeket is tartalmazhatnak). A kettő különbsége alapján pedig a diplomások és nem-diplomások közötti eltitkolás különbsége számszerűsíthető. A fogyasztási adatok a háztartásokra állnak rendelkezésre, ezért elemzésünk alapegysége a háztartás. A HKF 2006. évi mintájában 8974 háztartás található. A vizsgálandók köréből kizártuk azokat a háztartásokat, ahol a háztartásfő nem aktív, és azokat is, ahol a háztartási kérdőív kitöltöttsége nem volt teljes. Továbbá csak a házaspárokra ill. élettársi viszonyban élőkre korlátoztuk az elemzést, mert az egyedülálló ill. inaktív háztartások élelmiszerfogyasztásra vonatkozó preferenciái feltételezésünk szerint nagyban eltérnek a házasokétól. Így a vizsgálati körbe végül 3170 háztartás került. Az elemzés szempontjából a jövedelem és a fogyasztás változók előállítása kritikus. A rendelkezésre álló jövedelmet a HKF-ben található elemi jövedelemtételek összegzéseként állítottuk elő. Három nagy jövedelemcsoportot különböztettünk meg (munkajövedelem, szociális jövedelem, egyéb jövedelem), amelybe tartozó jövedelemtételeket az A. függelékben
részleteztük. A háztartás összes bruttó jövedelme a háztartástagok jövedelmének összegeként állt elő, amelyből levontuk az adó- és járulékfizetést, és így kaptuk meg a háztartás rendelkezésre álló jövedelmét. Az előző fejezetben ismertetett valós bruttó jövedelem becsléséhez a rendelkezésre álló jövedelmen túl még szükségünk volt a (bruttó) adóköteles jövedelem meghatározására, ez megegyezik az összes bruttó jövedelem nem adóköteles tételekkel csökkentett összegével. Ennek részleteit is az A. függelék tartalmazza. A fogyasztásnál Pissarides és Weber (1989) alapján az élelmiszerfogyasztást vettük csak számba, az ezt alkotó tételek a B. függelékben találhatóak. A főbb jövedelmi és fogyasztási változókról ad áttekintést az 1. táblázat. 1. táblázat Háztartási szintű jövedelmi és fogyasztási változók a teljes HKF mintában ill. az elemzendők körében Teljes HKF minta Elemzendők köre Súlyozott Súlyozott Elemszám létszám Összeg Elemszám létszám Összeg (db) (e db) (e Ft) (db) (e db) (e Ft) Rendelkezésre álló (nettó) jövedelem Bruttó adóköteles jövedelem Élelmiszerfogyasztás
8974
3811
2305
3170
1192
3013
8974 8974
3811 3811
1905 402
3170 3170
1192 1192
3382 500
Forrás: saját számítások a KSH 2006. évi HKF alapján
5. 5. Eredmények A valós jövedelmek nagyságát az előzőekben leírt módszertant követve, az (5) egyenlet segítségével becsüljük. Elemzésünkben több specifikációban készítettük el a számításokat. Az 1-3 modellekben az (5) egyenletre OLS becslést készítettünk, amelyek a magyarázó változók körében térnek el. A 4. modellekben IV becslést készítettünk 48, az 5. modellben pedig a permanens jövedelmet próbáltuk meg proxy változókkal közelíteni. A függő változó mindenhol a háztartás 2006. évi élelmiszerfogyasztásának logaritmusa. A legfontosabb magyarázó változónk a háztartás éves rendelkezésre álló jövedelmének logaritmusa és az eltitkolás dummy. Az elemzéshez használt referencia-csoportunk, amelyről feltételeztük, hogy a valós jövedelmét vallja be, a közalkalmazottak szűkített köre, amelyből kihagytuk az orvosokat. Azért soroltuk át az orvosokat a potenciális jövedelem-eltitkolók
48
Az IV becslések létjogosultságát a jövedelem változó endogenitása igazolja. A 3. táblázatban éppen ezért közöljük a Durbin-Wu-Hausman endogenitási teszt eredményeit is. A teszt nullhipotézise szerint az instrumentált változó (jövedelem) nem endogén, vagyis nincs szükség az IV becslésekre. A tesztek eredménye alapján a nullhipotézis a nem-diplomások esetében elutasítható, a diplomások esetében az OLS becslés is konzisztens eredményeket ad.
közé, mert náluk feltehetően jelentős szerepe van a hálapénznek, ami tipikusan eltitkolt jövedelem. Közalkalmazottnak azokat a háztartásokat tekintettük, ahol valamennyi aktív háztartástag a közszférában dolgozott. Célunk ezzel a szigorú definícióval az volt, hogy így a lehető legkisebbre szűkítsük a jövedelemeltitkolás nagyságát ebben a „fehér” csoportban. Minden más háztartást az eltitkolók csoportjába soroltunk. Az elemzés során számos olyan háztartási jellemzőt használtunk magyarázó változóként, aminek hatása van a fogyasztásra: háztartásfő neme, kora, korának négyzete, foglalkozása, második kereső kora, iskolázottsága, háztartástagok száma, gyerekek száma, aktívak száma, valamint a naplóvezetés hónapja és a régió. Az OLS becslés során a 2. és a 3. modellben szintén kontrolláltunk a vállalkozók jelenlétére. A 2. modellben vállalkozónak tekintettük azokat a háztartásokat, ahol a háztartás jövedelmében a vállalkozásból (egyéni vagy társas) származó jövedelem aránya 25% fölötti volt, míg a 3. modellben vállalkozónak tekintettük azt, ahol a háztartásnak volt legalább 1 Ft vállalkozásból származó jövedelme. Az IV becslés során (4. modell) a tartós és nagyobb értékű fogyasztási cikkekre vonatkozó információkkal (van-e mikro, fagyasztó, mosógép, mosogatógép, stb. a háztartásban) instrumentáltuk a jövedelmet. A háztartásstatisztikai felvételekben (így a HKF-ben is) rendelkezésünkre álló jövedelemkategóriák ellen általában felhozott ellenvetés az, hogy ezek csak egy adott évre vonatkoznak, keveset tudunk viszont a háztartás jövedelmének hosszabb időszak alatti alakulásáról. A permanens jövedelem hipotézise alapján a fogyasztást ugyanis a jövedelem hosszabb időszakon keresztül állandónak vett értéke határozza meg, és nem az ideiglenes jövedelemsokkok. Éppen ezért az 5. modellben a rendelkezésre álló jövedelem mellett olyan változókat is szerepeltettünk, amelyek információt nyújthatnak a háztartás hosszabb távú jövedelméről. Olyan kérdésekre adott válaszokat szerepeltettük magyarázó változókként, mint annak szubjektív megítélése, hogy hogyan tud megélni a háztartás vagy arra vonatkozó kérdések, hogy milyen költségeket tudnak vagy tudnának kifizetni évente (pl. évente legalább egy hétre el tudnak-e menni üdülni). Mivel az alapkérdésünk arra vonatkozik, hogy hogyan tér el ez eltitkolás mértéke a diplomás és a nem-diplomás háztartások között, az elemzés során különvettük a diplomás és az annál alacsonyabb képzettséggel rendelkező háztartásfőkkel rendelkező háztartásokat, és külön regressziót futtattunk rájuk. Az egyes specifikációk eredményeit az 2-4.. táblázat tartalmazza.
2. táblázat Az eltitkolásra vonatkozó OLS becslés eredményei Modell 1 Modell 2 Modell 3 Diplomás NemDiplomás NemDiplomás Nemdiplomás diplomás diplomás Log(jövedelem) 0.214*** 0.281*** 0.214*** 0.282*** 0.215*** 0.280*** (0.0379) (0.0251) (0.0380) (0.0251) (0.0379) (0.0251) Eltitkolás dummy 0.0729** 0.0319* 0.0744** 0.0306 0.0642** 0.0235 (0.0291) (0.0193) (0.0315) (0.0197) (0.0318) (0.0197) Vállalkozó dummy -0.00442 0.00719 0.0228 0.0406** (0.0364) (0.0222) (0.0335) (0.0203) Ht.fő neme -0.262** -0.112* -0.263** -0.112* -0.261** -0.114* (0.124) (0.0664) (0.125) (0.0664) (0.124) (0.0663) Ht.fő kora 0.0123 0.00258 0.0125 0.00251 0.0115 0.00209 (0.0144) (0.00776) (0.0146) (0.00777) (0.0145) (0.0078) 2 Ht.fő kor -8.91e-05 3.79e-05 -9.12e-05 3.86e-05 -8.12e-05 4.18e-05 (0.00016) (9.21e-05) (0.00016 (9.22e- (0.000161 (9.21e) 05) ) 05) 2. kereső kora 0.00325 0.00151* 0.00325 0.00152* 0.00325 0.00154* (0.00337) (0.000904 (0.00337 (0.00090) (0.00337) (0.00090 ) ) 3) Konstans 9.804*** 8.557*** 9.803*** 8.556*** 9.808*** 8.570*** (0.936) (0.504) (0.936) (0.504) (0.936) (0.504) Megfigyelések száma 759 2411 759 2411 759 2411 R-négyzet 0.384 0.243 0.384 0.243 0.385 0.244 Megjegyzés: A standard hibák zárójelben vannak feltüntetve, *** p<0.01, ** p<0.05, * p<0.1
3. táblázat Az eltitkolásra vonatkozó IV becslés eredményei Modell 4 NemDiplomás diplomás Log(jövedelem) Eltitkolás dummy Ht.fő neme Ht.fő kora Ht.fő kor2 2. kereső kora Konstans Megfigyelések száma R-négyzet Durbin-Wu-Hausmann endogenitási teszt (p-érték)
0.295** (0.139) 0.0763** (0.0315) -0.249** (0.0996) -0.000106 (0.00017) 0.0138 (0.0151) 0.00277 (0.00353) 8.532*** (2.015) 759 0.380
0.517*** (0.0940) 0.0414** (0.0207) -0.112 (0.0807) 3.74e-05 (0.00011) 0.00203 (0.00903) 0.00143* (0.00081) 4.669*** (1.416) 2411 0.214
0.504
0.002
Megjegyzés: A standard hibák zárójelben vannak feltüntetve, *** p<0.01, ** p<0.05, * p<0.1
A módszertani részben leírtak szerint az eredményekből ki tudjuk számolni, hogy a valós jövedelmük hány százalékát titkolják el átlagosan a háztartások, külön becslést készítve a diplomás és a nem diplomás háztartásfőkre. Látható, hogy a diplomások esetében jóval nagyobb az eltitkolás, minden specifikációban. Míg a diplomások jövedelmük 23-41%-át titkolják el, addig az annál alacsonyabb végzettségű háztartásfővel rendelkező háztartások a 8-13%-át (lásd 5. táblázat). Ennek oka feltehetően az, hogy a diplomások esetében jóval több lehetőség áll fenn az eltitkolásra. Egyrészt körükben nagyobb a több állást betöltők száma, ahol esetleg előfordulhat, hogy a második állás jövedelmét nem jelentik be. Másrészt ha előfordulnak olyan esetek, ahol a valós jövedelem helyett csak a kötelező minimálbérre jelentik be az alkalmazottat, ott a diplomások esetében a valós jövedelem kisebb részét teszi ki ez a kötelező minimum, tehát nagyobb lehet az eltitkolt rész. Egy további ok lehetne, hogy a diplomások körében elterjedtebb a vállalkozói formában való működés, azonban azokban a specifikációkban (2. és 3. modell) is jelentős különbséget láttunk, ahol erre kontrolláltunk. Becsléseink eredményét más módszerekkel készült vizsgálatok is alátámasztják, Elek-Szabó (2010) számításai is azt mutatják, hogy a minimálbéren bejelentett diplomások jóval nagyobb eséllyel keresnek a bejelentett bérüknél többet, sőt a zsebbe kapott összeg nagyságrendje is meghaladja a nem-diplomások által kapottat.
4. táblázat Az eltitkolásra vonatkozó OLS becslés eredményei, ahol a permanens jövedelmet kvalitatív változókkal közelítettük Modell 5 Diplomás Nemdiplomás Log(jövedelem)
0.175*** (0.049) 0.071** (0.031) -0.272** (0.0907) 0.0181 (0.0148) -0.00016 (0.00017) 0.0034 (0.0034) 10.04*** (0.7834) 754 0.402
Eltitkolás dummy Ht.fő neme Ht.fő kora Ht.fő kor2 2. kereső kora Konstans Megfigyelések száma R-négyzet
0.231*** (0.0317) 0.0299 (0.0203) -0.0807 (0.0758) 0.0039 (0.0088) 0.00002 (0.0001) 0.0016** (0.0008) 8.733*** (0.5188) 2373 0.264
Megjegyzés: A standard hibák zárójelben vannak feltüntetve, *** p<0.01, ** p<0.05, * p<0.1
5. táblázat Az eltitkolt jövedelem aránya az egyes specifikációk mellett
Modell 1 Modell 2 Modell 3 Modell 4 Modell 5
Diplomás háztartások 29% 29% 26% 23% 41%
Nem diplomás háztartások 11% 10% 8% 8% 13%
5. 6. Bérelőny Mivel becslésünk szerint a jövedelemeltitkolás nagyobb a diplomások körében, ezért a valós bérelőnyük is magasabb, mint az az alapadatokból látszik. A bevallott adatokból készített számításaink szerint a diplomások bérelőnye az érettségivel rendelkezőkhöz képest a 2006-os adatokon mintegy 73%, ami némiképp magasabb az OECD által számítottnál 49. Ha a 49
Lásd a releváns irodalmat összefoglaló I. fejezet.
diplomásokat nem csak a középiskolát végzettekhez hasonlítjuk, hanem minden náluk alacsonyabb végzettségűhöz, akkor a számított bérelőny 79%. Amennyiben a bérelőnyt az általunk becsült valós jövedelmek alapján számítjuk, a bérelőny ennél magasabb lesz, mind az érettségizettekkel mind az összes alacsonyabb végzettségűvel szemben, akár 20%-kal. Az érettségizettekkel szembeni bérelőny így, specifikációtól függően, 87%-os is lehet, míg az összes alacsonyabb végzettségűvel szemben közel kétszeresre (93%ra) nőhet. 6. táblázat Diplomások becsült valós bérelőnye az érettségizettekkel és valamennyi alacsonyabb végzettségűvel szemben Diplomás bérelőny
Bevallott jöv. szerint Modell 1 szerint Modell 2 szerint Modell 3 szerint Modell 4 szerint Modell 5 szerint
Érettségizettekkel %-os növekedés Mindenkivel %-os növekedés szemben bevallotthoz szemben bevallotthoz képest képest 73% 79% 85% 7% 91% 7% 87% 8% 93% 8% 85% 7% 90% 6% 80% 4% 85% 4% 92% 11% 97% 10%
5. 7. Következtetés A diplomások bérelőnye a nem-diplomásokhoz képest igen magas Magyarországon nemzetközi összehasonlításban. Ezt részben magyarázhatja, hogy a bevallott adóköteles jövedelem eltérő a diplomások és a nem-diplomások körében. Tanulmányunkban a KSH 2006. évi HKF segítségével azt vizsgáltuk fogyasztási és jövedelmi adatok összehasonlításával, hogy a diplomások vagy a nem-diplomások jövedelemeltitkolása eltérőe. Elemzésünkben a mintában szereplő háztartásokat 2 csoportra osztottuk, a közszférában dolgozók és a jövedelmüket eltitkolók csoportjába, és 5 specifikációban elemeztük az adóeltitkolást ezekben a csoportokban. Valamennyi specifikációban azt találtuk, hogy a diplomás háztartások körében valójában még magasabb az eltitkolás, mint a nemdiplomásoknál, így a valós bérelőnyük még magasabb, mint azt a statisztikák mutatják. A diplomás háztartások számításaink szerint jövedelmük 23-41%-át titkolják el, míg az alacsonyabb végzettségű háztartásfővel rendelkező háztartások a 8-13%-át. Összességében így a valós diplomás bérelőny 4-11%-kal magasabb, mint a bevallott jövedelmek alapján számított. Hivatkozások Elek Péter, Scharle Ágota, Szabó Bálint és Szabó Péter András (2009): A bérekhez kapcsolódó adóeltitkolás Magyarországon, Közpénzügyi Füzetek 23.
Elek Péter –Szabó Péter András (2010): A szürkebérezés torzító hatása a Bértarifa-felvétel alapján, in: Torzítanak-e a diplomások bérelőnyére vonatkozó adatk?, MTA KTI, OFA, kézirat Engström, P. és Holmlund, B. (2006): Tax Evasion and Self-Employment in a High-Tax Country: Evidence from Sweden, Working Paper 2006:12, Uppsala Universitet. Galla Viktória (2007): A háztartási költségvetési felvételek, kézirat, Közgazdaságtudományi Intézet, http://adatbank.mtakti.hu/files/hkf_alapleiras.pdf
MTA
Gorodnichenko, Y., Martinez-Vazquez, J. és Peter, K. S. (2009): Myth and Reality of Flat Tax Reform: Micro Estimates of Tax Evasion Response and Welfare Effects in Russia, Journal of Political Economy, vol. 117, no.3. Johansson, E. (2005): An estimate of self-employment income underreporting in Finland, Nordic Journal of Political Economy, vol. 31, pp. 99-109 Krekó J. és P. Kiss G. (2007): Adóelkerülés és a magyar adórendszer. MNB-tanulmányok 65. sz. KSH (1997): A Háztartási Költségvetési Felvétel módszertana, Statisztikai Módszertani Füzetek 37., Központi Statisztikai Hivatal Lyssiotou, P., Pasharades, P. és Stengos, T. (2004): Estimates of the Black Economy Based on Consumer Demand Approaches, The Economic Journal, vol. 114, 622-640. old. Pissarides, C. A. és Weber, G. (1989): An Expenditure-Based Estimate of Britain’s Black Economy, Journal of Public Economics, vol. 39., 17-32. old. Semjén András és Tóth István János, szerk. (2009): Rejtett gazdaság, KTI Könyvek 11. MTA Közgazdaságtudományi Intézet. Strauss, H. és C. de la Maisonneuve, (2007): The wage premium on terciary education: new estimates for 21 OECD countries. OECD Economics Department Working Papers No. 589. URL: http://www.olis.oecd.org/olis/2007doc.nsf/linkto/eco-wkp(2007)49 Tonin, M. (2008): Minimum Wage and Tax Evasion: Theory and Evidence, University of Southampton.
Függelék A. A rendelkezésre álló ill. az adóköteles jövedelem előállítása Rendelkezésre Adóköteles álló jövedelem jövedelem Munkajövedelem Főállású munkaviszonyból származó bruttó jövedelem Végkielégítés Táppénz Munkáltató által viselt költségtérítés (étkezési jegy, mobiltelefon, üdülési csekk stb.) Egyéni vállalkozásból származó jövedelem Társas vállalkozásból származó jövedelem EVA alá tartozók bruttó jövedelme vállalkozásból származó osztalék külföldi vállalkozásból származó jövedelem Másodállásból származó jövedelem Szellemi alkotásból származó jövedelem Borravaló, hálapénz Alkalmi munkából származó jövedelem Egyszeri megbízásból származó jövedelem Külföldi munkajövedelem 16 éven aluli gyermekek jövedelme Mezőgazdasági tevékenységből származó jövedelem Saját termelésből származó fogyasztás Szociális jövedelem Nyugdíjjövedelem (öregségi, rokkantsági, özvegyi) Nyugdíj-kiegészítés Időskori járadék Rokkantsági járadék Baleseti járadék Egészségkárosodási járadék Vaksági, fogyatékossági járadék Átmeneti járadék Rendszeres szociális járadék Mezőgazdasági szövetkezeti járadék Más jogcímen kapott járadék Álláskeresési járadék Álláskeresési segély
x x x
x x x
x x x x x x x x x x x x x x x
x x x x x x x x x x x x x x x
x x x x x x x x x x x x x
x x
Rendszeres szociális segély Egyéb támogatás Gyed Gyes Gyet Családi pótlék Családi segély Terhességi gyermekágyi segély Árvaellátás Egyszeri anyasági segély Külföldről kapott társadalmi juttatás Rendszeres segély, támogatás Nem rendszeres segély, támogatás Kapott lakásfenntartási támogatás Ösztöndíj Ápolási díj
x x x x x x x x x x x x x x x x
Egyéb jövedelem Természetben kapott jövedelem Felvett kamat, osztalék, árfolyamnyereség Ingó, ingatlan bérbeadásából származó jöv. Biztosítótól kapott összeg Egyéb jövedelem, támogatás, segélyek Kárpótlási jegyért, földért, lakásért kapott életjáradék Egyéb külföldi jövedelem
x x x x x x x
x
x x
B. Az élelmiszerfogyasztásnál számba vett tételek
Élelmiszerek Cereáliák Hús Hal Tej, tojás, sajt Olaj és zsiradékok Gyümölcs Zöldség és burgonya
x x x x x x x x
6. ELÉGEDETTSÉGVIZSGÁLAT – ALTERNATÍV MÓDSZER A MÉRETLEN JÖVEDELEM AZONOSÍTÁSÁRA
Kapitány Zsuzsa - Molnár György 6. 1. Bevezetés Ebben a résztanulmányban a fekete jövedelemnek azt a típusát kíséreljük meg azonosítani, amely a tisztán statisztikai célú adatfelvételekben is rejtve marad. A továbbiakban a fekete jövedelemnek ezt a részét méretlen jövedelemnek nevezzük. Tanulmányunkban a méretlen jövedelem nagyságának becslésére semmilyen formában nem vállalkozunk. Annak meghatározására teszünk kísérletet, hogy különböző társadalmi csoportok – konkrétan különböző iskolai végzettségűek – esetében milyen a méretlen és a mért jövedelem hányadosának egymáshoz való viszonya. Alapkérdésünk, hogy ez a hányados a diplomások vagy a nem diplomások körében a nagyobb? Módszerünk – melyet tudomásunk szerint a rejtett jövedelmek vizsgálatára még nem alkalmaztak – közvetett, segédeszközként a megkérdezetteknek az életükkel való elégedettsége/elégedetlensége mértékét használjuk. Ez a mutató – melyet szubjektív jóllétnek 50 is neveznek – sokak számára minden bizonnyal nagyon puhának és bizonytalannak tűnik. A későbbiekben számos irodalmi hivatkozással bemutatjuk, hogy a látszat ellenére nagyon „jól működő” mutatóról van szó. Itt a bevezetőben csak annyit emelnénk ki, hogy a szubjektív jóllét esetében – a jövedelemmel ellentétben – a válaszadónak semmilyen indoka nincs arra nézve, hogy megmásítsa a valóságot és éppen ez a tulajdonsága teszi lehetővé, hogy alkalmazásával komoly következtetésekre jussunk. Gondolatmenetünk lényege a következő. Feltesszük, hogy a nem diplomások, például az érettségizettek körében magasabb a méretlen/mért jövedelem arány, mint a diplomásoknál, azaz a diplomások tényleges bérelőnye az érettségizettekkel szemben a mértnél kisebb. Tekintettel arra, hogy a magasabb jövedelem nagyobb szubjektív jólléttel jár együtt – a pontos részletekről majd később – ebből az következne, hogy a diplomások és érettségizettek közötti elégedettségi különbség kisebb annál, mint ami a mért jövedelem alapján adódna. A tényleges helyzet azonban, mint látni fogjuk, ennek éppen az ellenkezője, a diplomások viszonylagos elégedettsége jelentősen meghaladja a mért jövedelmi különbségek által indokolt mértéket. A kérdés persze bonyolult, hiszen a diplomás lét nem csupán a többletjövedelem miatt lehet többlet elégedettség forrása. A diploma számos más jellegű előnyt is jelent: nagyobb elhelyezkedési esélyt, kellemesebb és egészségesebb munkakörülményeket, kiterjedt szociális kapcsolatokat, állandó informáltságot, továbbtanulási lehetőséget. Így a diploma megléte a jövedelemtől függetlenül is pozitívan hat a diplomások általános elégedettségére. Elemzésünk során az itt említett tényezőket is igyekszünk figyelembe venni. 50
A jóllét szó két l betűjével a jóléthez képest a wellbeing és a welfare közötti különbséget fejezzük ki.
Tekintettel arra, hogy a bérarányok vizsgálatában nem szokásos eszköz a szubjektív jóllétet meghatározó tényezők modellezése, ezért résztanulmányunkban először ennek a témakörnek a hatalmas irodalmából szemezgetünk, természetesen a jövedelemnek és az iskolai végzettségnek az elégedettségre gyakorolt hatására összpontosítva, de néhány egyéb, a gazdasági aktivitáshoz kapcsolódó tényező szerepéről sem megfeledkezve. Ezután ismertetjük a számításainkhoz felhasznált adatállományt és bemutatunk néhány leíró jellegű, összefoglaló statisztikát. Ezt követik a szubjektív jóllét nagyságát becslő modellszámítások. Előrebocsátjuk, hogy az elégedettséget elsősorban – de nem kizárólag – a háztartási jövedelem befolyásolja. Ezért elemzésünket két részre bontjuk. Először a teljes népességre vonatkozóan végzünk számításokat a háztartás egy fogyasztási egységre eső jövedelmét véve alapul. A következő lépésben vizsgálatunkat leszűkítjük a foglalkoztatottakra, figyelembe véve személyes jövedelmüket is. A résztanulmányt a legfontosabb következtetések összefoglalása zárja. 6. 2. A szubjektív jóllétet meghatározó néhány társadalmi-gazdasági tényező – irodalmi áttekintés Easterlin (1974) úttörő tanulmánya óta egyre szélesebb körben vizsgált kérdés a jövedelemnek az elégedettségre, azaz a szubjektív jóllétre gyakorolt hatása. Vitatott ugyanis, hogy a gazdasági fejlődés – az országok közötti összevetésben – egyáltalán növeli-e a szubjektív jóllétet. Abban a kérdésben azonban teljes konszenzus van, hogy egy adott országon belül a relatív jövedelmi különbségek egyértelműen hatnak a szubjektív jóllétre. Alacsonyabb jövedelmi szint mellett az elégedettség viszonylag gyorsan emelkedik a jövedelem függvényében, míg a jövedelem növekedésével ez a hatás lassul. A problémakör széleskörű áttekintését adja például Di Tella és MacCulloch (2006). A szubjektív jóllétet többnyire igen egyszerűen, a következő kérdéssel mérik: „Mindent egybevetve, jelenleg mennyire elégedett, vagy elégedetlen az élete alakulásával?” (Ennek szűkebb változata, ha nem az élet, hanem csupán az anyagi helyzet alakulására vonatkozik a kérdés.) A válaszokat a kérdezettek a szokásos módon 1-től 5-ig, vagy 0-tól 10-ig terjedő skálán adhatják meg. 51 A szubjektív jóllétet meghatározó számos tényező között kiemelkedő szerepet játszik a relatív jövedelem, a munkaerő-piaci státus és az iskolai végzettség. Feltételezhető tehát, hogy az informális gazdaságban való részvétel és munkalehetőség önmagában hozzájárulhat a munkaerőpiacon tapasztalható nagyfokú bizonytalanság és a munkanélküliségtől való félelem enyhítéséhez, és ezzel hozzájárulhat az elégedettség növeléséhez is. Másrészt az informális gazdaságban való részvétel – ha jelentős az ebből származó feketejövedelem – direkt módon is növelheti az elégedettséget. A csökkenő munkaerő-piaci bizonytalanság és a nagyobb 51
Az 5-ös skála esetében a szokásos válaszlehetőségek: nagyon elégedett, meglehetősen elégedett, elégedett is meg nem is, kissé elégedetlen, nagyon elégedetlen. Az általunk használt adatállományban is ez a változat szerepelt.
jövedelem együttesen pozitív hatást gyakorolhat az elégedettségre, legalábbis a tényleges munkanélküli státuszhoz viszonyítva. Az elégedettségi vizsgálatok eddigi eredményei azonban arra is utalnak, hogy a tartós munkanélküliség elszenvedése, vagy a bizonytalan álláskilátások és a folyamatos munkanélküliségtől való félelem olyan kényszerű élethelyzeteket teremthetnek, melyek hatása az elégedettségre erősen negatív is lehet. Ha nem talál valaki munkát – miközben akar és képes is dolgozni – ez az egyik legerősebb elégedettség-romboló tényező. Az informális szektor időlegesen segíthet túlélni a munkanélküliségből származó rossz élethelyzetet, de a formális szektor sokkal jobb kilátásokat biztosít a jövőre nézve. Összefoglalva: ha valaki munkanélküli, de képes belépni az informális gazdaságba, ez az elégedettségére nézve lehet negatív és pozitív hatású is, attól függően, hogy milyen munkaerő-piaci státuszból került az informális gazdaságba, meddig marad ott, illetve milyen egyéb munkalehetőségei vannak. Valószínűsíthető, hogy az informális gazdaságba való belépés, vagy az illegális foglalkoztatottságba való menekülés sokak számára nem szabad választás, hanem kényszermegoldás, és ez erős negatív hatással van az elégedettségre. Ha ugyanis a szerzett fekete-jövedelem arányaiban jelentősen meghaladná a többiek be nem vallott jövedelmét, és ezzel ellensúlyozná a munkanélküliség negatív hatását, akkor az elégedettség mutatójában nem találnánk jelentős eltéréseket. Easterlin (2009) tanulmányának fő kérdése szintén a jövedelem hatása az elégedettségre, a társadalmi átmenet körülményei között. A rendelkezésre álló adatok szerint Magyarországon 2005-ben a makroszintű elégedettségi mutató értéke – 10 fokú skálán mérve – 6,3 volt, alacsonyabb, mint 1980-ban. Easterlin spekulatív jellegű magyarázata erre az, hogy a szocialista rendszer valószínűleg alapvető biztonságot nyújtott az emberek számára, elsősorban olyan – az elégedettség szempontjából jelentős – területeken, mint a munkahely biztosítása, a gyermekgondozás, az egészségügyi és az időskori ellátás. A „kapitalizmusba vezető út” ugyan növelte az anyagi javakkal való ellátottság bővüléséből eredő elégedettséget, de ennek ára a munkaerő-piaci bizonytalanság, valamint a munkával, egészséggel, családi élettel való elégedetlenség lett. Tény, hogy a volt szocialista országok lakosainak elégedettsége a legalacsonyabbak között van a világon. A Magyarországon megfigyelhető elégedettségi szint lényegesen alacsonyabb a nyugat-európai országokban megfigyelhető értékeknél, és a többi kelet-európai országtól eltérően, Magyarországon az elégedettség nem növekedik az időben. Easterlin (2009) tanulmánya, eltérően Sanfey és Teksoz (2007) tanulmányától, hangsúlyozza a jövedelemhatás aszimmetrikus karakterét: egy kezdeti referencia ponthoz viszonyítva a csökkenő versus növekvő jövedelem hatása az elégedettségre nem szimmetrikus. A tanulmány aláhúzza az egyenlőtlenségek vizsgálatának fontosságát minden – az elégedettség alakulását magyarázó – változó esetében, mondván, az egyes változókban megfigyelhető egyenlőtlenségek különböző irányú változásokat hozhatnak létre az elégedettség alakulásában.
A legújabb – panel adatbázisokat használó – nemzetközi kutatások szerint is a reáljövedelemben történt változás korrelál leginkább az elégedettségben történt változással. Ez a jövedelemhatás sokkal nagyobb az átmeneti országokban, mint a fejlett piaci gazdaságokban. Ráadásul, a jövedelem-elégedettség kapcsolat nem ugyanaz a különböző alcsoportokban. (Lásd Clark és társai (2008), Frijters és társai (2004), Lelkes (2006a, 2006b), Senik (2005, 2006).) Az átmeneti országokban mért elégedettség mutatók átlagos eltérése a többi országétól nagy és robusztus. (Lásd Deaton (2008), Guriev és Zhuravskaya (2009).) Látszólag paradox jelenség, hogy miközben a szubjektív jólléti mutatók értéke az átmeneti országokban szignifikánsan alacsonyabb, mint a hasonló jövedelmi szinttel rendelkező nem átmeneti országokban, a legtöbb átmeneti országban növekvő elégedettséget figyelhetünk meg azokban az időszakokban, amikor a GDP nő. Az átmeneti országokkal foglalkozó elégedettségi kutatásokhoz hasonlóan Molnár és Kapitány (2007a, 2007b) a magyar adatok elemzése alapján azt találta, hogy a jövedelem és a munkaerő-piaci státus igen fontos meghatározói az elégedettségnek. Tanulmányukban az elégedettséget meghatározó jövedelmi változók közül elsősorban a jövedelmi mobilitás hatását vizsgálták. Azt találták, hogy az egyes emberek a jövedelmi pozícióik változását általában nem a jövedelmi szintjük, hanem relatív helyzetük változása alapján ítélik meg. A vizsgált, 2000 és 2002 közötti, időszakban Magyarországon rendkívül magas volt a reáljövedelmek növekedési üteme. Az eredmények azt igazolták, hogy ebben az időszakban a jövedelmükben felfelé mobil háztartások esetében a relatív jövedelmi pozíció emelkedése nem járt többletelégedettséggel, a javuló relatív helyzetűek kevésbé voltak elégedettek, mint amit elért jövedelmi szintjük és pozíciójuk indokolt volna. Ugyanakkor, a marginális munkaerő-piaci helyzetben lévők (vagyis az alkalmi munkából élők, rokkantnyugdíjasok, munkanélküliek, segélyből élők) a jövedelemhatás kiszűrése után is elégedetlenebbek voltak a többieknél, és ez az elégedetlenség az érintettek más helyzetben lévő családtagjaira is átterjedt. Dolan, Peasgood és White (2008) irodalmi szemléje igen részletesen ismerteti az elégedettségre ható változókat. Míg a tanulmány forrásanyagai általában pozitív, de csökkenő hozadékú jövedelemhatást igazolnak, addig az egészségi állapot, a munkanélküliség és a szociális kapcsolatok hiánya többnyire erős negatív kapcsolatban állnak az elégedettséggel. A tanulmányban ismertetett kutatások közül azok, melyek a relatív jövedelem hatásával hangsúlyozottan foglalkoznak, általában kiemelik a relatív változók fontosságát az elégedettség kialakulásában (lásd Ferrer-i-Carbonell (2005), Luttmer (2005)). E kutatások szerint az addicionális jövedelem nem növeli az elégedettséget akkor, ha a releváns referencia és báziscsoport szintén hasonló jövedelemhez jut, vagy hasonló mértékű jövedelemnövekedésben részesült már előzőleg. Egy adott jövedelemszint magas aspirációs szint és jelentős várakozások esetén negatív hatású is lehet az elégedettségre (lásd Stutzer (2004)). Az aspirációk, melyeket részben a múltbeli jövedelem határoz meg, egy magasabb jövedelmi szinthez való adaptációt eredményeznek (lásd Di Tella, Haisken-de New és MacCulloch (2007)). A jövedelmi státuszban végbemenő változások érzékelése erősebb hatású, mint az aktuális jövedelemé (lásd Haller és Hadler (2006)). Ezek az eredmények azt
implikálják, hogy a magasabb jövedelemmel rendelkezők esetében az addicionális jövedelem valószínűleg nem növeli az elégedettséget hosszú távon akkor, ha az addicionális jövedelem egyben – az élethez – szükséges jövedelemmel kapcsolatos várakozások növekedéséhez vezet. Ez az eredmény azt is sugallja, hogy a magasabb jövedelemmel rendelkezők esetében az addicionális jövedelem hosszú távon nem valószínű, hogy növeli az elégedettséget akkor, ha ez a jövedelemnövekedés időben túl későn érkezik, vagy a jövedelem növekedés mértéke kisebb annál, mint amire számítani lehetett. Clark, Frijters és Shields (2008) igen átfogó, összefoglaló jellegű és minden részletre kiterjedő munkájukban szintén a jövedelem és az elégedettség közti kapcsolatot vizsgálták, és eredményeik pozitív, de csökkenő hozadékú jövedelemhatásról számoltak be. Makro-szinten, az Easterlin paradoxonnak megfelelően, számos ország esetében azt találták, hogy az egy főre jutó GDP jelentős növekedése ellenére, az átlagos elégedettség konstans marad. Ugyanakkor, a tanulmányban ismertetett mikro-tanulmányok pozitív korrelációt találtak az egyéni jövedelmek és az egyéni elégedettségi mutatók között. A tanulmány szerint ez a két eredmény nem mond ellent egymásnak, sőt, kifejezetten konzisztensnek tekinthetők, hiszen a hasznossági függvényben jelenlévő relatív jövedelmi hatásnak megfelelően, az aktuális jövedelem egyrészt értékelhető másokéval összehasonlítva (összehasonlítási hatás), másrészt a saját múltbeli jövedelemmel összehasonlítva (megszokás és adaptálódás hatása). A jövedelem határhasznossága A normatív közgazdaságtanban igen fontos tudni, hogy – a jövedelem növekedésével – milyen gyorsan csökken a jövedelem határhasznossága. Layard, Mayraz és Nickell (2008) komoly kísérletet tettek annak érdekében, hogy megbecsüljék a jövedelem határhasznosságának elaszticitási mutatóját. Az elégedettség méréséhez négy nagy keresztmetszeti adatbázist és két panel adatbázist használtak fel, nevezetesen a német társadalmi-gazdasági panel adatbázist (GSOP) és a brit háztartások panel adatbázisát (BHPS). Elemzéseik az 1972 és 2005 közötti időszakra vonatkoznak és adataik ötven, többségükben fejlett piacgazdaságból származnak. A hat – igen különböző – adatbázis mindegyikével sikerült megbecsülniük a jövedelemre vonatkozó határhasznossági mutatókat, és mindegyik adatbázis esetében igen hasonló eredményeket kaptak. A tanulmány fő kérdése nem az volt, hogy a jövedelem milyen erősen hat a hasznosságra, hanem hogy ez a hatás hogyan változik a jövedelem függvényében. A jövedelem és az elégedettség között konstans ρ rugalmasságot feltételezve – Layard, Mayraz és Nickell (2008) tanulmányát követve – a következő stilizált összefüggést írhatjuk fel (az egyszerűség kedvéért az alábbiakban az elégedettséget is folytonos függvényként kezeljük, az egyes személyekre utaló i indexet elhagyjuk): (1)
h =α
y 1− ρ − 1 + ∑ β j x j + γ + ε , ha ρ ≠ 1 , illetve 1− ρ j
(2)
h = α log y + ∑ β j x j + γ + ε , ha ρ = 1 , ahol j
h az elégedettség, y a jövedelem, az x j változók az elégedettségre ható egyéb tényezők, α, β, és γ paraméterek, ε hibatag. Így például ρ = 1 esetén két személy marginális hasznosságainak hányadosa éppen jövedelmeik hányadosának a reciproka: kétszeres jövedelem esetén a jövedelem további marginális növekedése fele olyan mértékben hat az elégedettségre. A számítások során a háztartások összes jövedelmét használták, és nem a megkérdezett egyének saját jövedelmét. A jövedelem határhasznosságát elemezve azt találták, hogy a jövedelem és az elégedettség közötti kapcsolat „konkávabb”, mint amit a logaritmikus függvény képviselt. Közvetlenül becsülve az elégedettség-jövedelem függvény görbületi paraméterét, mind a hat adatbázis esetében, különböző országokat és időperiódusokat használva, a görbületi paraméter egy szűk intervallumba esett, az 1,19 és 1,30 értékek közé. Ez a szoros hasonlóság igencsak meglepő, hiszen a választott országok és az adatbázisok igen eltérőek voltak. A görbületi paraméter végső becsült értékére 1,26 értéket kaptak. Egy ilyen típusú összefüggés fennállása lehetőséget ad arra, hogy megvizsgáljuk, hogy az egyes társadalmi csoportok esetében tapasztalható elégedettség szintje összhangban van-e az adatfelvétel során kimutatott jövedelmükkel. Ilyen jellegű elemzést végeztünk a Molnár – Kapitány (2006) és (2007) tanulmányokban a marginális munkaerőpiaci helyzetűek esetében, a 2000-2002 közötti időszakra vonatkozó magyar adatokkal. Megállapítottuk, hogy elégedettségük jelentősen alatta marad a hasonló jövedelmű más munkaerőpiaci helyzetű személyek elégdettségének, ami arra utal, hogy a töbiekhez viszonyítva nincs jelentős eltitkolt többlet-jövedelmük. Általánosan megfigyelt jelenség – ld. például Clark (2003, 2009a,b) –, hogy a munkanélküliség jelentős mértékben csökkenti az élettel való elégedettséget. Ha ez a hatás nem valóságos, például azért, mert a megkérdezett dolgozik, munkája után jövedelemhez jut, csak munkaviszonya nincs bejelentve, akkor nem beszélhetünk tényleges munkanélküliségről, és ebben az esetben az elégedettséget csökkentő hatás sem lép fel. Sőt, a fekete munkából származó (az adatfelvételben „nem bevallott”) jövedelme miatt a megkérdezettnek még elégedettebbnek is kellene lennie. Ha azt tapasztaljuk, hogy a tartós munkanélküliek, segélyből/alkalmi munkából élők elégedettsége jelentősen alatta marad annak, mint amit ismert/bevallott jövedelmi szintjük indokolna, abból indirekt módon az következik, hogy fekete jövedelmük relatíve nem lehet magasabb, mint más társadalmi csoportoké. Kutatásunk során a fentiekkel analóg logikájú elemzést végzünk el a diplomások esetében, összevetve az ő jövedelmüket és elégedettségüket más iskolai végzettségű csoportok jövedelmével és elégedettségével. Itt természetesen nem elhanyagolható és nagyon fontos hatás, hogy a magasabb iskolai végzettség önmagában is alkalmas az élettel való elégedettség növelésére. A különböző munkaerő-piaci helyzetű diplomások (köz-, illetve magánszférában foglalkoztatottak, munkanélküliek, nyugdíjasok, egyéb inaktívak) megkülönböztetése lehetőséget nyújt ennek a hatásnak a kiszűrésére.
Az iskolai végzettség hatásáról Míg a jövedelem és az elégedettség kapcsolatával foglalkozó nemzetközi irodalom igen gazdag, addig az iskolai végzettség elégedettségre gyakorolt hatásának vizsgálatával csak néhány tanulmány foglalkozik, ez a kérdés napjainkig – nemzetközi szinten is – sokkal kevesebb figyelmet kapott. Ennek egyik oka feltételezhetően az, hogy a jövedelem és az iskolai végzettség változók közötti igen erős megfelelés és szoros korreláció miatt e két változó egymással összefüggő, hasonló jellegű és közel azonos nagyságú hatással bír/bírhat az elégedettségre. Így a két változó egymástól független, valamint együttes hatásának vizsgálata igen kifinomult és gondos elemzést igényel. A másik ok feltételezhetően a megfelelő panel adatbázisok és elég nagyméretű adatbázisok hiányában keresendő. További ok lehet még a tudományos kutatások fejlődésének sajátos trendje és divathullámai. A korai elégedettség vizsgálatok elsődleges célja még az volt, hogy azonosítsák és összegyűjtsék az elégedettséget meghatározó legfontosabb változókat. Így a korai kutatások kevésbé koncentráltak az egyes elégedettségi magyarázó változók – egymástól független – hatásának számszerűsítésére, és nemcsak a különböző változók páronként egymásra gyakorolt hatásának elemzését hanyagolták el, hanem – elsősorban a panel adatbázisok hiánya miatt – az egyes magyarázó változók és az elégedettség egymásra hatásának, dinamikus kölcsönhatásának az elemzését is. A legújabb empirikus elemzések általában és többségükben az iskolai végzettség jelentős és pozitív hatását mutatják ki az elégedettségre: a magasabb iskolai végzetség növeli az elégedettséget. Lásd például Blanchflower (2008), Di Tella, MacCulloch és Oswald (2001), Castriota (2006) tanulmányait, vagy a kelet-európai országok vizsgálata szempontjából igen fontos Hayo és Seifert (2003) tanulmányt, mely az 1991 és 1995 közötti időszakra vonatkozik. Az elégedettség általában a legjobban fizetettek, a munkával rendelkezők, a nők, az egészségesek, a házasok, és természetesen a magas iskolai végzettséggel rendelkezők között a legmagasabb. Számos pszichológiai és közgazdasági kutatás azonban szignifikáns, de gyenge korrelációt mutat ki a végzettség és az elégedettség között (lásd például Frey és Stutzer (2002), Clark és Oswald (1994,1996)). A jövedelem hatását kiszűrve a magasabb végzettségűek sok esetben alacsonyabb elégedettséget mutatnak. A magasan kvalifikáltak ugyanis sokkal nehezebben viselik a munkanélküliség állapotát, mint a kevésbé képzettek. A magas végzettségűek munkával kapcsolatos elvárásai is magasabbak, amit nehéz kielégíteni. A végzett munkához viszonyított túlképzettség is erős frusztrációt idéz elő. További magyarázat lehet, hogy a végzettség növekedésével a jövedelmek egyre inkább szóródnak, és a hasonló végzettségű, de magasabb fizetésű egyénekkel való összehasonlítás szintén negatív hatást gyakorol az elégedettségre. Ráadásul, ha az ország vagy a helyi társadalom átlagos oktatási és képzettségi szintje emelkedik, a magasabb végzettség relatív előnye csökken, ami szintén az elégedettség csökkenéséhez vezethet.
Igen nehéz, majdnem lehetetlen feladatnak tűnik a végzettség-elégedettség kapcsolat összehasonlítása a különböző fejlettségi szinten lévő, eltérő oktatási rendszerrel és képzési szintekkel rendelkező országok esetében. Az országok közötti összehasonlító elemzések szerint az iskolai végzettség erősen és pozitívan korrelál az elégedettséggel a relatíve szegényebb országokban, és gyengén a gazdagabbakban. Graham és Fitzpatrick (2002), valamint Graham és Pettinato (2002) azt találták, hogy Latin-Amerikában, valamint Oroszországban a magasabb végzettség egyértelműen magasabb elégedettséget generál. A végzettség és az elégedettség közötti kapcsolat vizsgálata különösen bonyolult az olyan országokban, ahol az oktatás gyors expanziója nem jár együtt a képzett munkások iránti kereslet növekedésével. Az előző eredményekkel részben ellentmondóan a fejlődő afrikai országokban még a negatív korreláció is előfordul (lásd Powdthavee (2003), Clark és Oswald (1996)). A fejlődő országokban – a pozitív korrelációs várakozásokkal szemben – elsősorban a magas iskolai végzettségűek esetében, a végzettség és az elégedettség közötti kapcsolat szignifikáns és negatív előjelű. Heady és Wooden (2004) – a TÁRKI panel adatbázisával végzett számítások alapján – azt találta, hogy Magyarországon a végzettség sokkal erősebb kapcsolatban áll az elégedettséggel, mint a fejlett nyugati típusú gazdaságokban, és ez a kapcsolat pozitív előjelű, ellentétben a vizsgált többi nyugati típusú országgal, ahol az előjel negatív. Lee és Oguzoglu (2007) bivariáns („well-being” és „ill-being”) brit panel elemzése is azt mutatja, hogy a legalább „bachelor” végzettségű férfiak esetében a hatás negatív előjelű. Heady és Wooden (2004) Magyarországra kapott eredményeihez hasonlóan Hayo és Seifert (2003) kelet-európai országokra vonatkozó elemzésében szintén robusztus eredményeket kapott: a magas iskolai végzettségűek sokkal elégedettebbek, mint a kevésbé képzettek, még a jövedelmi és vagyoni változók hatásának kiszűrése, a jövedelmi és vagyoni változókra való kontrolálás után is. Az Egyesült Államok jövedelmi, végzettségbeli és elégedettségi egyenlőtlenségeinek időbeli változását elemezve Stevenson és Wolfers (2008) is hasonló eredményre jutott. A jövedelem eloszlásban végbement változásokhoz, a jövedelmi egyenlőtlenségek növekedéséhez hasonlóan, a végzettségi különbségekből adódó és a végzettségtől függő elégedettségi különbségek is nagymértékben nőttek. A képzettebbek boldogabbak, mint a képzetlenek. A négy végzettségi kategóriával dolgozó elemzés szerint az elégedettség magas és növekvő a diplomások esetében, alacsony és csökkenő az érettségizettek esetében, és erősen csökkenő az érettségit sem szerzők esetében. Számos elemzés – Ferrer-i-Carbonell (2005) elemzését alapul véve – feltételezi, hogy az azonos végzettségűek közel azonos bért kapnak, és a képzettség-elégedettség kapcsolat lineáris természetű, így ezek az elemzések a végzettség mérésére az iskolában eltöltött évek számát, valamint referencia jövedelemként az azonos végzettségűek jövedelmének átlagát használják. Fontos tanulság, hogy ez a specifikáció a legtöbb elemzésben nem vezet jól
magyarázható eredményekre. Tisztább és érthetőbb eredményeket kapnak a nem lineáris, négy vagy több képzettség kategóriával dolgozó elemzések. Az időbeli változásokat panel adatbázissal leíró és az elégedettség kialakulásának dinamikájára koncentráló elemzésekben (lásd például Binder és Coad (2008) tanulmányát) az elégedettség nemcsak az eddig megismert és fontosnak vélt magyarázó változók seregétől függ, hanem – megkülönböztetett módon, a magyarázó változók közötti választás után – kis számú, de különböző jellegű változó által meghatározott. Ezekben az elemzésekben a személyes jellegű változók (optimista, önkifejező, stb.) mellett a szocio-demográfiai változókat (nem, kor, végzettség, családi állapot), a közgazdasági változókat (jövedelem, társadalmi és vagyoni státus, munkaerő-piaci státus) és az ún. szituációs változókat (egészségi állapot, szociális kapcsolatok) különböztetik meg. Az elégedettséggel kölcsönösen egymásra ható kapcsolatban lévő változóként fogják fel a jövedelmet, az egészségi állapotot, a családi állapotot és a munkaerő-piaci státust. Az egymással dinamikus kölcsönhatásban lévő változók (elégedettség, jövedelem, egészségi állapot, családi állapot, munkaerő-piaci státus) közötti korreláció többnyire pozitív és szignifikáns. Az egyirányúan ható kontroll változók (pl. kor, nem) többsége esetében negatív kapcsolatot kapunk, viszont a legmagasabb iskolai végzettség pozitív és szignifikáns kapcsolatot mutat a legtöbb változóval, kivéve az elégedettséget, ahol a kapcsolat nem szignifikáns. Az irodalmi összefoglalás alapján azt állapíthatjuk meg tehát, hogy a jövedelmi és egyéb (munkaerőpiaci státusz, egészségi állapot, társadalmi kapcsolatok, stb.) hatások kiszűrése után az iskolai végzettségnek az elégedettségre gyakorolt hatása korántsem egyértelmű, nagy mértékű, pozitív irányú hatást nem igazol az irodalom. A továbbiakban azt vizsgáljuk, hogy mi a helyzet ebben a vonatkozásban 2005-2006-ban, Magyarországon. 6. 3. A felhasznált adatállomány ismertetése, leíró statisztikák Számításainkhoz a KSH Változó Életkörülmények Adatfelvételét (továbbiakban röviden VÉKA) használtuk, mely az European Union Statistics on Income and Living Conditions (továbbiakban EU-SILC) magyar változata. Ennek a 4 éves rotációs ciklusú háztartási panelnek az első hullámát Magyarországon a mikrocenzussal és a KSH jövedelemfelvétellel egy időben, 2005-ben kérdezték. A panelbe került háztartásokat igyekeztek követni, ha egy háztartás szétvált, akkor a következő hullámban valamennyi belőle származó háztartás bekerült a mintába. Az EU-SILC-nek van egy nemzetközileg egységes törzsinformáció állománya, amit minden ország további kérdésekkel egészíthet ki. Az MTA KTI kutatói és a KSH együttműködése keretében a második (és az egyelőre nem rendelkezésünkre álló harmadik) hullámba bekerültek szubjektív kérdések, többek között az élettel való elégedettségre vonatkozó, korábban idézett kérdésünk is. A kérdőív többek között részletes jövedelmi, aktivitási, iskolai végzettségi, egészségi adatokat tartalmaz.
Munkánk során az első két hullám paneljével, azon belül is elsősorban a 2. hullám adataival dolgoztunk. Ezt 2006 április-májusában kérdezték, a személyes adatok, többek között a szubjektív jóllétre vonatkozók is erre az időpontra vonatkoznak, a jövedelmi információk azonban visszatekintő módon a 2005. évről szólnak. A 2005. év aktivitási adatai is rendelkezésünkre állnak, méghozzá havi bontásban egészen 2006 áprilisáig. A kétéves panel (elhagyva azokat a háztartásokat, melyeket nem sikerült követni) a 2005. évben 5037, 2006ban pedig a háztartások szétválása miatt ennél több, 5122 háztartást tartalmaz, 13367 fővel. A kérdőívet csak a 16 évnél idősebbektől kérdezték, az ő számuk 11030 fő. A VÉKA-ban a vállalkozói jövedelmek kivételével bruttó jövedelmet kérdeztek, a nettósítást a 2005. évi adó- és járulékfizetési szabályok alapján mi végeztük el. Erre azért is szükség volt, mert a KSH munkatársai az eredeti adatokon számos javítást és jövedelem imputálást hajtottak végre, az Eurostatnak szolgáltatott adatok is részben imputált jövedelmen alapulnak. A mi célunk azonban éppen a jövedelem-aluljelentés relatív mértékére vonatkozó becslés, ezért szigorúan a nyers, imputálatlan állományból indultunk ki. A nettó, rendelkezésre álló jövedelem előállítását megkönnyítette, hogy az adatfelvétel során az adókedvezményeket tételesen megkérdezték. Azt a kérdést is feltették, hogy fizettek-e SZJA-t 2005-ben. Erre sokan azok közül is nemmel válaszoltak, akiknek egyébként az adatok ismeretében kellett volna adót fizetniük. Az ő esetükben két lehetőség van: vagy mégis a nettó jövedelmükről adtak számot, vagy minimálbéren felüli jövedelmüket zsebbe kapták, így valóban nem adóztak utána. Természetesen ezekben az esetekben nem vontunk le számított adót a jövedelmükből. A személyi szintű jövedelmek a következő tételeket tartalmazzák: alkalmazotti jövedelmek (beleértve költségtérítés, természetbeni juttatások, gépkocsihasználat); nem mezőgazdasági vállalkozói jövedelmek, alkalmi munkából, egyszeri megbízásból, borravalóból és szellemi alkotásból származó jövedelmek; táppénz; nyugdíjak és nyugdíjszerű ellátások, járadékok; gyermekgondozáshoz kapcsolódó juttatások; munkanélküliséghez kapcsolódó juttatások; tanulmányokhoz kapcsolódó juttatások; külföldön szerzett jövedelmek. Az adatok alapján egyértelmű, hogy sokan – különösen a jövedelmi skála alján – olyan jövedelmeket is „bevallottak” a kérdezés során, amelyek után nem adóztak. Például a személyi szintű jövedelemként csak alkalmi munkából, napszámból élők mindössze 8 százaléka mondta azt, hogy fizetett SZJA-t. Azok közül pedig, akiknek ezen túl még valamilyen munkanélküliséghez kapcsolódó támogatásuk is volt, kivétel nélkül mindenki azt mondta, hogy nem fizetett adót. Adatállományunk tehát tartalmaz fekete jövedelmet. Amint a bevezetőben is említettük mi csak a fekete jövedelemnek azzal a részével foglalkozunk, amelyik az adatfelvételben sem jelenik meg. Visszatérve a háztartások rendelkezésre álló jövedelmének előállítására, a személyi szintű jövedelmek összegéhez hozzáadtuk a háztartási szintű jövedelmeket, melyek vagy nem adóznak, vagy eleve a nettó összegüket kérdezték meg az adatfelvétel során. A legfontosabb háztartási szintű jövedelmek: társadalmi juttatások (családi pótlék, különböző segélyek,
támogatások); más háztartástól kapott támogatás (beleértve gyerektartást), ingó vagy ingatlan bérbeadásából, tőkebefektetésből származó bevétel; saját termelésű fogyasztás értéke; mezőgazdasági termelés bevételeinek és kiadásainak egyenlege. Sajnálatos módon a mezőgazdasági célú hitelekről nincs információnk, ezért két háztartás esetében a mezőgazdasági kiadások oly mértékben haladták meg a bevételeket, hogy negatív, néhány további esetben pedig nagyon kicsiny pozitív jövedelmet kaptunk. Ezekben az esetekben nem volt más választásunk, mint az érintett háztartások elhagyása a mintából. Némileg önkényesen évi 100.000,- Ft/fő jövedelemnél húztuk meg azt a határt, ami alatt elhagytuk a szóban forgó 30 háztartást. A szubjektív jóllét becslése során – a méretgazdaságosság figyelembe vétele érdekében – a háztartások egy fogyasztási egységre eső jövedelmével számolunk. A magyar viszonyoknak leginkább az úgynevezett eredeti OECD ekvivalencia skála (más néven OECD1-skála) felel meg 52, melynek esetében az első felnőtt 1, minden további felnőtt 0,7 egységet képvisel, míg a gyerekek 0,5 egységet. A háztartás rendelkezésre álló jövedelmét az így kapott módosított háztartásmérettel osztva kapjuk meg az egy fogyasztási egységre eső, vagy ekvivalens jövedelmet. Számításaink során kétféle jövedelemmel dolgozunk. Az egyik a háztartások ekvivalens jövedelme, hiszen a szubjektív jóllétet alapvetően ez határozza meg. A másik a foglalkoztatottak személyi szintű jövedelme. Mivel a pillanatnyi munkaerőpiaci státusz, különösen a munkanélküliség erősen befolyásolja a szubjektív jóllétet és mint említettük az erre vonatkozó kérdést a referencia-időszak után, 2006 tavaszán tették fel, ezért nem közömbös, hogy mikori foglalkoztatásról beszélünk. A továbbiakban foglalkoztatott alatt azokat értjük, akik 2005 folyamán főtevékenységként legalább egy hónapig folytattak kereső tevékenységet és a kérdezés időpontjában is foglalkoztatottak voltak. A személyi jövedelem vizsgálata során nem korlátozzuk magunkat a munkajövedelmekre. A foglalkoztatotti almintában olyanok vannak, akik legalább egy hónapig főtevékenységként dolgoztak 2005 folyamán (tehát nem nyugdíj vagy gyerekgondozás mellett), de az ő teljes évi személyes jövedelmüket számba vesszük. A megkérdezettek közül majdnem mindenki (10927 fő, 99%) válaszolt az életével való elégedettségre vonatkozó kérdésre. A számítások során értelemszerűen csak azokkal tudunk dolgozni, akik ezt megtették. Így a szubjektív jóllétre vonatkozó kérdésre nem válaszolókat, valamint az előbb említett módon irreálisan alacsony jövedelemmel rendelkezőket is elhagyva teljes mintánk 5092 háztartásra és azokban élő 13296 személyre terjed ki, akik közül 10978 fő a megkérdezett 16 éven felüli és 10877 fő válaszolt az élettel való elégedettségre vonatkozó kérdésre. Az elégedettségi kérdésre válaszoló foglalkoztatottak száma 4468 fő.
52
Lásd erről részletesen Cseres-Gergely–Molnár (2008)
Az elégedettség szerinti megoszlásukat az 1. táblázat mutatja be. Ha az egyes fokozatokat 1től 5-ig pontozzuk, akkor a teljes népességre vonatkozó átlag 53 2,9, ami egy kicsit magasabb, mint amit a 2003. évi adatfelvétel során tapasztaltunk (lásd Molnár–Kapitány (2006)). A foglalkoztatottak elégedettségi átlaga kereken 3,0. 1. táblázat Az élettel való elégedettség megoszlása a 16 évnél idősebbek körében, 2006 (N=10877, illetve 4468 fő)
Nagyon elégedetlen Kissé elégedetlen Elégedett is meg nem is Meglehetősen elégedett Nagyon elégedett Összesen
teljes népesség 11 18 43 23 4 100
foglalkoztatottak 8 16 47 25 4 100
Megjegyzések: 1. A feltett kérdés a következő volt: Mindent egybevetve jelenleg mennyire elégedett vagy elégedetlen élete alakulásával? 2. Foglalkoztatott alatt azokat értjük, akik a kérdőív lekérdezésekor is, és 2005 folyamán legalább egy hónapig végeztek kereső tevékenységet. 3. A kerekítés következtében az oszlopok összege nem feltétlenül 100.
2. táblázat A 16 évnél idősebbek, illetve a foglalkoztatottak iskolai végzettség szerinti megoszlása a mintában (N=10877, illetve 4468 fő)
Legfeljebb általános iskola Szakma Érettségi Főiskola Egyetem Összesen
teljes népesség 32 26 28 9 6 100
foglalkoztatottak 13 33 32 14 8 100
Vizsgálandó témánk szempontjából a legfontosabb kiinduló kérdés a különböző iskolai végzettségűek relatív jövedelme. A VÉKA 11 iskolai végzettségi szintet különböztet meg. A kis esetszám miatt az iskolába soha nem jártakat összevontuk a 8 általánosnál kevesebbet végzettekkel, az akkreditált felsőfokú szakképzésben részesülteket a főiskolai végzettségűekkel, a PhD-vel rendelkezőket pedig az egyetemi diplomásokkal. A számítások 53
Tekintettel arra, hogy a későbbi logisztikus becslések során súlyozatlan adatokkal dolgozunk, végig ezt használjuk. A súlyozott és a súlyozatlan adatokkal kapott eredmények eltérése minimális, ebben az esetben a kerekítési hibahatáron belül marad.
során egyértelművé vált – erre később még visszatérünk – hogy a különböző típusú érettségivel (gimnáziumi, technikumi, szakközépiskolai) rendelkezők témánk szempontjából nem különböztethetők meg, így végül is 5-fokozatú legmagasabb iskolai végzettséggel dolgoztunk: általános iskola, szakma, érettségi, főiskola, egyetem. A minták iskolai végzettség szerinti megoszlását mutatja be a 2. táblázat, a 3. táblázatban pedig az iskolai végzettség szerinti ekvivalens háztartási jövedelem, illetve a foglalkoztatottak esetében a személyi jövedelem arányai láthatóak, az érettségizettek jövedelmére normálva. 3. táblázat Iskolai végzettség szerinti jövedelmi arányok a 16 évnél idősebbek, illetve a foglalkoztatottak körében (érettségizettek jövedelme = 100)
Legfeljebb általános iskola Szakma Érettségi Főiskola Egyetem Összesen Diplomás átlag (főiskola+egyetem)
teljes népesség 71 79 100 128 158 91 140
foglalkoztatottak 69 79 100 142 176 101 155
Az első számoszlopban a háztartás egy fogyasztási egységre eső jövedelme, a másodikban pedig a foglalkoztatottak személyi szintű jövedelme szerepel. A második oszlop tartalma 1 százalék pontossággal változatlan marad akkor is, ha csak a kereseteket (beleértve a vállalkozói jövedelmeket) vesszük számba.
Értelemszerűen a foglalkoztatottak személyi szintű jövedelmének a megoszlása egyenlőtlenebb, mint az egy fogyasztási egységre eső teljes háztartási jövedelem, hiszen ez utóbbiban érvényesül a háztartás méretének, elsősorban a gyerekek számának a hatása is. Az ekvivalens jövedelem tekintetében a diplomások bérelőnye 40, a személyi jövedelem esetében 55 százalék az érettségizettekhez képest. Nem elhanyagolható azonban a különbség a főiskolai és egyetemi diplomával rendelkezők között sem. Az egyetemet végzettek előnye az érettségizettekkel szemben már 58, illetve 76 százalék. Ezek az értékek összhangban vannak a teljes tanulmány irodalmi összefoglalójában hivatkozott munkák által találtakkal (például Strauss és de la Maisonneuve 2007). Megjegyezzük, hogy ha az első oszlopban a mintát a szűk értelemben vett aktív korúakra (2564 évesek) korlátoztuk volna, akkor a főiskolát és egyetemet végzettek érettségizettekhez viszonyított jövedelmi előnye szinte hajszálra ugyanekkora volna, az alacsonyabb végzettségűek elmaradása nőne néhány százalékpontnyit az érettségizettekhez képest. A foglalkoztatottak esetében úgy is elvégeztük a számításokat, hogy csak a munkajövedelmeket (beleértve a teljes vállalkozói jövedelmet) vettük figyelembe. A kapott értékek 1 százalék pontossággal megegyeznek a 3. táblázat második oszlopában láthatókkal. Ugyanez a helyzet akkor is, ha csak azokat vesszük számba, akik 2005 mind a 12 hónapjában
dolgoztak. Ennek alapján kijelenthető, hogy a 3. táblázat 2. számoszlopa a kereseti arányokat tükrözi. 6. 4. A szubjektív jóllét becslése a teljes népesség körében A következőkben az élettel való elégedettség mértékét becsüljük a jövedelem, az iskolai végzettség, az aktivitás és egyéb változók segítségével. Elemzésünk során mindig rendezett logit modellt (ordered logit) használunk. Az eredmények értelmezése szempontjából alapvetően az együtthatók egymáshoz való nagyság szerinti viszonya az érdekes. A nagyobb pozitív együttható azt jelzi, hogy az adott csoportba tartozó személy nagyobb valószínűséggel tartozik egy magasabb elégedettségi kategóriába. Lépésről-lépésre haladva, fokozatosan bővítjük a magyarázó változók körét. A három alkalmazott modellt a 4. táblázat 3 oszlopa tartalmazza. Ahol nem szerepel érték, ott az adott változó nem volt benne a modellben. Az első modellben magyarázó változóként csak a jövedelem logaritmusa, az iskolai végzettségre, az aktivitásra és az életkorra vonatkozó változók szerepelnek. (Megjegyezzük, hogy a nem változó végig nem bizonyult szignifikánsnak. A jövedelem esetében kipróbáltuk a Layard, Mayraz és Nickell (2008) cikk alapján a 2. fejezetben hivatkozott (1) képlet alkalmazását is, de témánk szempontjából nem jelentett érdemi különbséget, viszont túlságosan elbonyolította volna a tárgyalást, ezért maradtunk az egyszerűbb logaritmus formánál. Az életkor esetében szokásos megoldás a kor és annak négyzetének szerepeltetése, az elégedettség a kornak általában konvex függvénye. 4. táblázat Az elégedettséget meghatározó tényezők Magyarországon 2006-ban – 16 éven felüliek Rendezett logit becslések (N=10877) (1) 2005. évi ekvivalens jövedelem logaritmusa Szakmunkás Érettségizett Főiskolai diplomás Egyetemi diplomás Tanuló Gyerekgondozási ellátást kap Öregségi, özvegyi nyugdíjas Rokkantnyugdíjas Munkanélküli Egyéb aktivitású Életkor (évtizedben mérve) Életkor (évtizedben) négyzete
(2) **
0,81 (0,06) 0,13 (0,05)* 0,32 (0,06)** 0,71 (0,08)** 1,17 (0,10)** 0,90 (0,11)** 0,45 (0,10)** 0,18 (0,08)* -0,49 (0,07)** -0,78 (0,10)** -0,68 (0,16)** -0,30 (0,07)** 0,02 (0,01)**
(3) **
0,74 (0,06) 0,06 (0,05) 0,20 (0,06)** 0,57 (0,08)** 0,93 (0,10)** 0,82 (0,11)** 0,42 (0,11)** 0,31 (0,08)** 0,14 (0,08)+ -0,74 (0,11)** -0,49 (0,16)** -0,15 (0,07)* 0,02 (0,01)**
0,63 (0,06)** -0,01 (0,05) 0,09 (0,06) 0,40 (0,09)** 0,74 (0,10)** 0,69 (0,11)** 0,36 (0,11)** 0,30 (0,08)** 0,14 (0,08)+ -0,55 (0,11)** -0,44 (0,16)** -0,01 (0,07) 0,02 (0,01)**
Szubjektív egészségi állapota rossz Szubjektív egészségi állapota megfelelő Szubjektív egészségi állapota jó Szubjektív egészségi állapota nagyon jó Nem ment orvoshoz, mert túl drága Nem ment orvoshoz, mert túl messze van Nem ment orvoshoz egyéb okból A Volt már 2 évnél hosszabban munka nélkül Volt már max 2 évig munka nélkül Van egy pár a háztartásában Több pár van a háztartásban 12-16 éves korában szinte mindig anyagi nehézségekkel küzdöttek 12-16 éves korában soha nem küzdöttek anyagi nehézségekkel Rokonaival naponta tart kapcsolatot Rokonaival legalább havonta tart kapcsolatot (de nem naponta) Barátaival naponta tart kapcsolatot Barátaival legalább havonta tart kapcsolatot (de nem naponta) Az elmúlt 1 évben nem volt kulturális, sport rendezvényeken Az elmúlt 1 évben legalább havonta végzett valamilyen önkéntes munkát Pszeudo R2
0,91 (0,11)** 1,57 (0,11)** 2,06 (0,12)** 2,79 (0,14)**
0,82 (0,11)** 1,44 (0,11)** 1,86 (0,12)** 2,58 (0,14)** -0,57 (0,19) ** -1,32 (0,35) ** -0,42 (0,16) ** -0,57 (0,14) ** -0,19 (0,05) ** 0,46 (0,05) ** 0,64 (0,17) ** -0,22 (0,06) ** 0,22 (0,06) ** 0,37 (0,09) ** 0,26 (0,08) ** 0,33 (0,08) ** 0,21 (0,06) ** -0,24 (0,05) ** 0,28 (0,09) **
0,0554
0,0782
0,0903
Megjegyzések: Zárójelben a háztartásokra klaszterezett, robosztus becslések standard hibája található. +
a 10%-os szinten,* az 5%-os szinten, ** az 1%-os szinten szignifikáns együtthatókat jelzi.
Az egyes blokkokban a referencia-csoportok rendre: legfeljebb általános iskolát végzett; foglalkoztatott; szubjektív egészségi állapota nagyon rossz; orvoshoz menés: lásd A megjegyzést; nincs pár (házaspár vagy élettárs) a háztartásban; nem válaszolt, vagy a két megadott véglet között van a válasz; ritkábban tart kapcsolatot vagy nincsenek rokonai, barátai; volt valamilyen rendezvényen; ritkábban vagy egyáltalán nem végzett önkéntes munkát. A
A kérdés az volt, hogy az elmúlt 12 hónapban előfordult-e, hogy szüksége lett volna orvosi ellátásra, de nem
vette igénybe. A referencia csoportban azokon kívül, akikkel nem fordult ilyen elő, azok is benne vannak, akik félelem, időhiány, várakozó listára kerülés, jó orvos ismeretének hiánya miatt nem mentek orvoshoz. A táblázatban szereplő egyéb ok ezeken kívüli.
Az elégedettség várható értéke az 1-től 5-ig terjedő skálán (a teljes elégedetlenséghez az 1, a teljes elégedettséghez az 5 értéket rendeltük) az (1) modell esetében 0,81-gyel emelkedik, ha a jövedelem logaritmusa 1 egységgel nő (lásd a 4. táblázat (1) oszlopának első elemét). A hatás nem túl erőteljes, amit jól érzékeltet, hogy a jövedelmi skálán mind az 50. és a 10. percentilis, mind pedig a 90. és az 50. percentilis között alig 0,6 a jövedelem logaritmusának a
különbsége. Ha tehát – ceteris paribus – két személy jövedelme a skála mediánján, illetve 10. percentilisén helyezkedik el, akkor elégedettségükben várhatóan kb. fél egység lesz az eltérés. Hasonló a helyzet a 90. és az 50. percentilishez tartozó jövedelem esetében. Ez azt jelenti, hogy a jövedelem fontos, de nem döntő jelentőségű tényezője az elégedettségnek. Ahogy a bevezetőben is kifejtettük, ha az alacsonyabb iskolai végzettségűeknek viszonylag több lenne a méretlen jövedelmük, mint a magasabb végzettségűeknek, akkor azt tapasztalnánk, hogy a magasabb iskolai végzettség – a mért jövedelemre való kontrollálás esetén – nem okoz jelentős eltérést az elégedettségben. Ennek azonban éppen az ellenkezőjét tapasztaljuk. A legfeljebb általános iskolát végzettekhez képest a szakmunkások elégedettségének várható értéke alig több mint 0,1-del, az érettségizetteké további 0,2-del magasabb. A főiskolát végzettek és az érettségizettek közötti különbség ennél jóval magasabb, közel 0,4, az egyetemi végzettség pedig további majdnem 0,5-et ad ehhez hozzá. A szakmunkásokhoz képest az egyetemi végzettségűek elégedettsége várhatóan 1 teljes szinttel magasabb úgy, hogy a mért jövedelem különbségének (és az aktivitásnak) a hatását már kiszűrtük. Ebből a megfigyelésből két következtetés adódik: 1. Az egyik lehetőség az, hogy a magasabb iskolai végzettségűek méretlen jövedelme – a kiinduló hipotézissel ellentétben – relatíve jelentősen meghaladja az alacsonyabb végzettségűekét. 2. A másik az, hogy az iskolai végzettség eddig nem figyelembe vett okok miatt növeli jelentősen az elégedettséget. Természetesen a két lehetőség valamilyen keveréke is előadódhat, sőt ad absurdum az az eset is, hogy valójában az érettségizetteknek relatíve magasabb a méretlen jövedelmük, de a magasabb iskolai végzettség egyéb hatásai még ezt is ellensúlyozzák. Módszerünk nem tud abszolút egzakt bizonyítékkal szolgálni, de erősen valószínűsíti, hogy ez az eset nem áll fenn. A témához nem tartozó, de nem érdektelen kitérőként megemlítjük, hogy az (1) modell számításait úgy is elvégeztük, hogy különbséget tettünk az érettségizettek 3 csoportja között: szakközépiskolát vagy technikumot végzettek; gimnáziumot végzettek; középiskola után nem felsőfokú szakképzésben is részesülők. Az elvégzett ökonometriai tesztek alapján az elégedettség modellezése szempontjából semmilyen különbség nincs közöttük, ezért össze is vontuk őket. A továbbiakban elemzési stratégiánk a következő. Olyan újabb magyarázó változókat vonunk be a modellbe, amelyek korábbi elemzések alapján (lásd a 2. fejezet irodalmi áttekintését) kapcsolódnak az iskolai végzettséghez. Amennyiben valóban az előbb említett második lehetőség áll fenn, akkor ez csökkenti, esetleg meg is szünteti a diplomások magasabb elégedettségét.
Az első ilyen tényező, amit alapvető jelentősége miatt már az (1) modellben is figyelembe vettünk az aktivitás az adatfelvétel időpontjában. (A szubjektív jóllétet ugyanis a pillanatnyi aktivitás sokkal nagyobb mértékben befolyásolja, mint a korábbi.) Mivel jelenlegi fő célunk nem az aktivitás szubjektív jóllétre gyakorolt hatásának az elemzése, ezért csak röviden szemlézzük a kapott eredményeket. A tanulók – az alkalmazottakhoz viszonyítva – különösen elégedettek. Mivel a kérdőívre csak 16 éven felüliek válaszoltak, itt döntően középiskolába járókról és felsőfokú tanulmányaikat végzőkről van szó. Ez a megfigyelés összhangban van a Molnár – Kapitány (2006)-ban találtakkal. A gyerekgondozási ellátásban (gyes, gyed, gyet, anyasági támogatás) részesülők esetében a kisgyermekkel járó öröm is növeli az elégedettséget. Az alkalmazottakhoz képest a negatív tartományban vannak a rokkantnyugdíjasok, a munkanélküliek és az egyéb aktivitási kategóriába tartozók, akik olyan nem dolgozó, nem tanuló, gyereket nem gondozó és nem nyugdíjas személyek, akik már munkanélkülinek sem minősítik magukat. (A VÉKA a munkanélküliség szempontjából önbevallásos.) Az ő elégedetlenségük – érthető módon – kiugróan magas. Az aktivitási státusz szorosan kapcsolódik az iskolai végzettséghez. Tudjuk, hogy a magasabb végzettségűek gyermekei között több a tanuló, a diplomások között kevesebb a munkanélküli, a rokkantnyugdíjas és az egyéb aktivitású. Így még hangsúlyosabb az a különbség, amit az iskolai végzettség együtthatóiban láthattunk. A következő fontos tényező az egészségi állapot. A magasabb végzettségűek általában az egészséget kevésbé igénybe vevő munkát végeznek, egészségtudatosabb életmódot folytatnak, ezért elképzelhető, hogy az egészségi állapot hatásának kiszűrése csökkenti többlet-elégedettségüket. A VÉKA személyi kérdőíve tartalmaz a szubjektív egészségi állapotra vonatkozó kérdést, mely így hangzik: „Hogyan jellemezné az általános egészségi állapotát?” A lehetséges válaszok: nagyon jó, jó, megfelelő, rossz, nagyon rossz. A 4. táblázat 2. számoszlopában a „nagyon rossz” választ adók képezik a referencia-csoportot. Mivel a szubjektív egészségi állapot rendkívül szorosan korrelál a szubjektív jólléttel egyáltalán nem meglepő, hogy itt találjuk a legnagyobb együtthatókat. A nagyon rosszhoz képest a nagyon jó egészségi állapotúak szubjektív jólléte – minden egyéb tényezőtől függetlenül – várhatóan közel 3 szinttel magasabbak. Ez a szoros korreláció – ami a szubjektív jóllét összetevőinek egyéb célú elemzése esetében akár aggályos is lehet – most kifejezetten előnyös a számunkra, hiszen célunk a szubjektív jóllétet közvetve az iskolai végzettségen keresztül befolyásoló tényezők kiszűrése. És valóban, az egészségi állapot jelentős hatással van az iskolai végzettség elégedettségre gyakorolt hatására, csakhogy nem a diplomások, hanem az alacsonyabb végzettségűek körében. Figyelembe vétele esetén azt láthatjuk, hogy a szakmunkások elégedettsége – a jövedelemre, aktivitásra, életkorra és egészségi állapotra történő kontrollálás esetén – nem különbözik a 8 általános iskolát végzettekétől. A szakmunkásoknak a legfeljebb általános iskolát végzettekhez képest az (1) modellben talált magasabb elégedettsége abból adódott, hogy jobb az egészségi állapotuk. Ez a megfigyelés önmagában is érdekes. Témánk szempontjából az adja a jelentőségét, hogy illusztrálja választott stratégiánk
működőképességét, ugyanakkor megállapíthatjuk, hogy az egészségi állapot figyelembe vétele nem változtatott érdemben a diplomásoknak az érettségizettekhez képesti többlet elégedettségén. A 3. modellben újabb tényezőket veszünk figyelembe. Ezek közül kiemelkedő a társadalmi kapcsolatok, a társadalomba való beágyazottság (társadalmi tőke) jelentősége, amit a 2. fejezetben szemlézett irodalom is alátámaszt. Feltételezhetjük, hogy a diplomások esetében ez a beágyazottság relatíve erősebb, ami egyéb – közvetve anyagi – előnyökhöz is vezethet, és ami indokolttá teheti magasabb elégedettségüket. Másik vizsgált területünk a családi élet stabilitása és az intergenerációs hatások. A 3. modellben (lásd a 4. táblázat 3. oszlopa) ezeket a szempontokat is bevontuk az elemzésbe, természetesen a VÉKA kérdőív által lehetővé tett keretek között. A családi élet stabilitását azzal mérjük, hogy van-e pár (akár házaspár, akár élettársak) a háztartásban. (A válásokról nincs információnk.) Azok az emberek, akiknek háztartásában van pár, elégedettebbek életükkel, mint azok, akiknek háztartásában nincs. Ez a megállapítás nem csak a párokra magukra, hanem háztartásuk többi tagjára is igaz. Érdekességként említjük meg, hogy a többgenerációs háztartásban élők, ahol egynél több pár van, elégedettsége valamivel még magasabb. Az elégedettségre a gyermekkori helyzet is hatással van. A VÉKA első hullámának számos kérdése vonatkozott a gyermekkorban (pontosabb a 12-16 éves kor környékén) tapasztalt családi állapotokra. Erről az életkorról már mindenkinek tudatos emlékei vannak. Az ebben a témakörben feltett kérdések közül a jelenkori elégedettségre leginkább a gyermekkori anyagi helyzet hatott. Erre vonatkozóan 5 válaszlehetőség volt: szinte állandóan, elég gyakran, többször, ritkán voltak, illetve soha nem voltak anyagi nehézségeik. A két szélső eset – az előbbi értelemszerűen negatívan, az utóbbi pozitívan – szignifikánsan hat a felnőttkori elégedettségre. A társadalomba való beágyazottságnak, az elérhető lehetőségeknek számos aspektusát vettük figyelembe. A munkanélküliség tényén túl fontos szempont, hogy milyen hosszan munkanélküli valaki. Azt feltételezzük, hogy a diplomások, még ha munkanélküliek is lesznek, hamarabb tudnak elhelyezkedni, mint az alacsonyabb végzettségűek. Számításaink azt mutatják, hogy az elégedettség szempontjából a leghosszabb munkanélküliség tartama erősebben ható szempont, mint a munkanélküliként összesen (több részletben) eltöltött idő hossza. A két évnél hosszabb munkanélküliség megtapasztalása jelentős többlet elégedetlenség forrása. Az egészségi állapothoz kapcsolódik, de a társadalmi beágyazottságot is mutatja, hogy valaki el tud-e menni orvoshoz, ha szüksége van rá. Erre vonatkozott az a kérdés, hogy „Előfordult-e az elmúlt 12 hónapban, hogy Önnek orvosi ellátásra lett volna szüksége, de mégsem vette igénybe?” A válaszlehetőségek között voltak olyanok, amelyek nem a különösen rossz anyagi helyzetet, vagy a társadalmi beágyazottságot mutatják (várakozó listára került; félt az
orvostól; várt, hátha magától elmúlik a baja; nem volt ideje), ezeknek nincs szignifikáns hatása az elégedettségre, az orvosi ellátás költségének, a rossz közlekedési lehetőségeknek és a külön nem specifikált egyéb okoknak viszont erőteljes negatív hatásuk van. Hasonlót tapasztalhatunk a fogorvosi ellátással is, de ezzel a tényezővel nem akartuk külön terhelni a modellt, nem ad minőségi többlet információt. „A túl messze volt az orvos, nem volt oda közlekedési eszköz” válaszlehetőség felveti a településtípus hatásának kérdését. Ez Budapest, megyei jogú város, egyéb város, falu bontásban állt rendelkezésünkre és nem bizonyult szignifikáns hatásúnak, ahogy alapvetően a régiók szerinti bontás sem. Mivel modellünk amúgy is elég terjedelmes, ezt nem kívántuk külön bemutatni. A társadalmi beágyazottság következő szegmensét a rokoni, baráti kapcsolatok jelentik. Azok, akik ápolnak ilyen kapcsolatokat elégedettebbek életükkel, mint akik nem. A többlet elégedettség mértéke pozitívan függ a kapcsolat tartásának gyakoriságától is. Érdekes, hogy bár van korreláció a rokoni és a baráti kapcsolatok tartása között, mindkettőnek jelentős a független hatása az elégedettségre. A társadalmi kapcsolatokkal és az iskolai végzettséggel is összefügg, hogy valaki milyen gyakran látogat kulturális (színház, mozi, opera, múzeum, koncert, stb.) és sporteseményeket. Azok, akik az elmúlt 1 évben egyszer sem vettek részt semmi ilyen rendezvényen kevésbé elégedettek életükkel mint a többiek. Az önkéntes munka végzése elégedettséget növelő tényező. A fentiekből három, témánk szempontjából igen fontos megfigyelés adódik: – Kis mértékben csökkent a jövedelem közvetlen hatása az elégedettségre. Ez arra utal – ami egyébként nyilvánvaló, de szép ilyen bonyolult módon is kimutatni – hogy a társadalmi beágyazottság az iskolai végzettségen túl is hat a megszerezhető jövedelemre. – A 3. modellben figyelembe vett tényezők hatására az érettségi közvetlen hatása is megszűnt az elégedettségre, együtthatója 10 százalékos szinten sem szignifikáns. Míg a szakmunkások esetében az egészségi állapot, az érettségizetteknél a társadalmi beágyazottság különböző aspektusainak figyelembe vétele eredményezte végzettségüknek az elégedettségre gyakorolt közvetlen hatásának megszűnését. – A főiskolát és egyetemet végzettek többlet elégedettsége csak minimális mértékben csökkent, továbbra is nagy mértékű. Bár az iskolai végzettség együtthatója minden kategóriában jelentősen csökkent, a főiskolát, illetve egyetemet végzettek és az érettségizettek együtthatója közötti különbség csak csekély mértékben változott. Nem találtunk olyan tényezőt, amelyik a diplomások elégedettségi együtthatóját az érettségizettekhez képest tovább csökkentette volna. Mindez megerősíti korábbi következtetésünket: az elégedettségre ható tényezők elemzése alapján teljesen valószínűtlen, hogy a nem diplomások (speciálisan az érettségizettek) méretlen jövedelmének a mért jövedelmükhöz viszonyított aránya magasabb legyen, mint a diplomásoké. Ebben az esetben ugyanis olyan többlet elégedettségnek kéne jelentkeznie a
nem diplomásoknál, ami érdemben csökkenti a diplomások elégedettségi előnyét. Ennek semmi jelét nem látjuk, épp ellenkezőleg, a diplomásoknál találunk többlet elégedettséget. Mivel a rejtett jövedelmen kívül nem találtunk olyan tényezőt, ami indokolná a diplomások elégedettségi előnyét, azt valószínűsíthetjük, hogy a kiinduló hipotézis nem áll fenn, sőt a helyzet ennek az ellenkezője: a diplomásoknak valószínűleg relatíve nagyobb a méretlen jövedelmük, mint az alacsonyabb iskolai végzettségűeknek. 6. 5. A szubjektív jóllét becslése a foglalkoztatottak körében Elvileg felmerülhet, hogy a teljes népesség figyelembe vétele és a keresetek helyett a háztartási szintű ekvivalens jövedelem alkalmazása elmoshat bizonyos hatásokat, ezért elemzésünket elvégezzük a foglalkoztatottak körében is. A foglalkoztatottak körének pontos meghatározásáról részletesen írtunk a 2. fejezetben. Ebben az esetben az aktivitási kategória helyébe értelemszerűen a foglalkozási forma lép modelljeinkben. A VÉKA 7 foglalkozási formát különböztet meg: alkalmazott; egyéni vállalkozó; társas vállalkozás dolgozó tagja; szövetkezet dolgozó tagja; segítő családtag; alkalmi munkái vannak, napszámos; közhasznú munkás. Tekintettel arra, hogy a modellezés során semmilyen eltérést nem mutattak a kétféle vállalkozói kategóriát összevontuk és a nagyon kis esetszámra való tekintettel (11 fő) hozzáadtuk a segítő családtagokat is. Az alkalmazottak és a szövetkezetek dolgozói tagjai, illetve a napszámosok és a közhasznú munkások között sem volt különbség az elégedettség szempontjából, ezt a két-két kategóriát is összevontuk, így végül is 3 foglalkozási csoporttal dolgoztunk: alkalmazottak (beleértve a szövetkezetek tagjait), vállalkozók valamint napszámosok és közhasznú munkások. Részben a kisebb esetszám, részben pedig a foglalkoztatottak jellemzői miatt számos változó, amit az előző fejezetben használtunk nem bizonyult szignifikáns hatásúnak. Mivel a foglalkoztatottak kor szerinti szóródása jóval kisebb, így itt ez inszignifikáns változónak bizonyult. Mivel a kérdezés időpontjában a foglalkoztatottak között definíció szerint nincs munkanélküli vagy a korábbi munkanélküliség miatt gyermekgondozásba, rokkantnyugdíjba menekült személy sem, ezért a munkanélküliség estében is sokkal szűkebb a hatásos változók skálája, csupán az bizonyult szignifikánsnak, hogy volt-e már 2 hónapnál hosszabb ideig munka nélkül. A foglalkoztatottak társadalmi beágyazottsága is jobb az átlagosnál, ezért az egyéb területen érvényesülő társadalmi kapcsolatoknak is sokkal kisebb, vagy nincs hatása. Az egyik modellspecifikációban sem szignifikáns változókat értelemszerűen elhagytuk. A 4. táblázattal analóg 3 modellszámítás eredményét mutatja be foglalkoztatottak esetében az 5. táblázat.
5. táblázat Az elégedettséget meghatározó tényezők Magyarországon 2006-ban – foglalkoztatottak Rendezett logit becslések (N=4455)
2005. évi ekvivalens jövedelem logaritmusa 2005. évi személyi jövedelem logaritmusa Szakmunkás Érettségizett Főiskolai diplomás Egyetemi diplomás Vállalkozó Napszámos, közhasznú munkás Szubjektív egészségi állapota megfelelő Szubjektív egészségi állapota jó Szubjektív egészségi állapota nagyon jó Nem ment orvoshoz, mert túl drága Nem ment orvoshoz, mert túl messze van Volt 2 hónapnál hosszabban munka nélkül Van egy pár a háztartásában Több pár van a háztartásban 12-16 éves korában szinte mindig anyagi nehézségekkel küzdöttek 12-16 éves korában soha nem küzdöttek anyagi nehézségekkel Az elmúlt 1 évben nem volt kulturális, sport rendezvényeken Pszeudo R2
(1) 0,55 (0,09)** 0,28 (0,06)** 0,20 (0,09)* 0,39 (0,10)** 0,81 (0,12)** 1,26 (0,14)** 0,46 (0,11)** -0,66 (0,25)**
(2) 0,52 (0,09)** 0,30 (0,6)** 0,10 (0,09) 0,23 (0,10)* 0,66 (0,12)** 1,01 (0,14)** 0,50 (0,11)** -0,69 (0,25)** 0,42 (0,15)** 0,95 (0,15)** 1,59 (0,17)**
(3) 0,51 (0,09)** 0,27 (0,06)** 0,03 (0,09) 0,11 (0,10) 0,48 (0,13)** 0,82 (0,15)** 0,45 (0,11)** -0,55 (0,25)* 0,33 (0,15)** 0,80 (0,15)** 1,43 (0,18)** -0,74 (0,32) * -3,88 (1,09) ** -0,20 (0,07) ** 0,62 (0,08) ** 0,71 (0,21) ** -0,19 (0,06) + 0,25 (0,08) ** -0,28 (0,07) **
0,0446
0,0618
0,0741
Megjegyzések: Zárójelben a háztartásokra klaszterezett, robosztus becslések standard hibája található. +
a 10%-os szinten,* az 5%-os szinten, ** az 1%-os szinten szignifikáns együtthatókat jelzi.
Az esetszám 13 fővel kisebb a 2. fejezetben jelzettnél, mert néhányan nem adták meg a foglalkozásukat. Az egyes blokkokban a referencia-csoportok rendre: legfeljebb általános iskolát végzett; alkalmazott; szubjektív egészségi állapota rossz vagy nagyon rossz; nem kellett orvoshoz mennie, vagy ha kellett más okból nem ment orvoshoz; nincs pár (házaspár vagy élettárs) a háztartásban; nem válaszolt, vagy a két megadott véglet között van a válasz; volt valamilyen rendezvényen.
Az 5. táblázatban bemutatott eredmények minden tekintetben megerősítik az előző fejezet megállapításait. Ennek az elemzésnek a legfontosabb eredménye, hogy a foglalkoztatottak körében nem csak a háztartások ekvivalens jövedelmének, hanem a személyes jövedelemnek is szignifikáns hatása van az elégedettségre. (A teljes népesség körében, mivel ott sokaknak nincs vagy nincs érdemleges személyes jövedelme ez a hatás nem tudott érvényre jutni.) Nem
ismerünk olyan elemzést, amelyik a kétféle jövedelmet egyidejűleg alkalmazta volna az elégedettség becslése során. A kétféle jövedelem egyidejű erős szignifikanciája azért is meglepő, mert meglehetősen nagy közöttük a korreláció (0,66). A háztartás rendelkezésére álló jövedelem határozza meg, hogy a háztartásnak milyen forrásai vannak kiadásai fedezésére. A személyes jövedelemnek csak akkor van ilyen természetű hatása, ha az érintett annak egy részét megtartja magának, és nem bocsátja az egész háztartás rendelkezésére. Ezt az érvelést részben alátámasztja, hogy míg a kétféle jövedelem együtthatója a férfiak esetében majdnem egyforma, addig a nőknél az 5. táblázatban bemutatottnál nagyobb a háztartási és valamivel kisebb a személyi jövedelem együtthatója. Ugyanakkor ez a hatás nem lehet túl erős, mivel a nem továbbra sem szignifikáns változó, márpedig feltételezhetjük, hogy a nők esetében a személyi jövedelem egy részének eltitkolása a háztartás egésze elől kevésbé bevett gyakorlat, mint a férfiaknál. A kérdés mindenképp megér egy részletesebb elemzést. A jelenségre adható másik magyarázat, hogy a személyes jövedelem elégedettség növelő hatása elsősorban annak révén jelentkezik, hogy annak nagysága egyfajta értékmérője az érintett munkahelyi elismertségének vagy vállalkozói sikerességének. A vállalkozói lét, lényegében mindhárom modellben azonos mértékben, többlet elégedettség forrása. Elképzelhető, hogy a vállalkozók esetében a nem mért jövedelem valóban fontos szerepet játszik. Másik oldalról, a napszámosok, közhasznú foglalkoztatottak elégedettsége jelentősen kisebb a referencia kategóriát jelentő alkalmazottakénál. Ennek a negatív hatásnak a mértéke nagyjából megegyezik azzal, amit az előző fejezetben a munkanélküliek esetében tapasztaltunk. Itt nyilvánvaló módon azokról az emberekről van szó, akiknek időnként egyáltalán nincs munkájuk, időnként (feketén) alkalmi munkát végeznek (emlékeztetünk a 2. fejezet megállapítására: az alkalmi munkából, napszámból élők saját állításuk szerint nem adóztak), időnként pedig közhasznú foglalkoztatásban való részvételre nyílik lehetőségük. Ez megerősíti a Molnár – Kapitány (2006, 2007b)-ben tett megállapításainkat és ismét hangsúlyossá teszi: a munkanélküliek, napszámosok, közhasznú foglalkoztatottak nem rendelkeznek jelentős méretlen jövedelemmel, fekete jövedelmük nagyrészt megjelenik az adatfelvételekben. Akárcsak a teljes népesség esetében, a szubjektív egészségi állapot bevezetésével eltűnik a szakmunkások és alapfokú végzettségűek közötti különbség. (A szubjektív egészségi állapot esetében azért kellett a referencia kategóriában összevonni a nagyon rossz és a rossz egészségi állapotú csoportokat, mert a foglalkoztatottak körében elenyésző volt azok száma, akik egészségüket nagyon rossznak minősítették.) A további változók bevezetése pedig az érettségizettek és a náluk alacsonyabb végzettségűek közötti különbséget szünteti meg. A diplomásoknak az egyéb változók által nem megmagyarázott többlet elégedettsége azonban bár csökkent, továbbra is jelentős maradt. A foglalkoztatottakra vonatkozó vizsgálataink tehát megerősítik az előző fejezet következtetéseit.
6. 5. A tanulmány legfontosabb eredményei Tanulmányunkban azt vizsgáltuk a Változó Életkörülmények Adatfelvétel adatai alapján, elképzelhető-e, hogy a diplomások jelentős kereseti és tágabban jövedelmi előnye a nem diplomásokkal, speciálisan az érettségizettekkel, szemben csupán látszólagos és annak tulajdonítható, hogy esetükben relatíve kisebb az adatfelvételben nem megjelenő, úgynevezett méretlen jövedelem. A vizsgálat stratégiája a következő volt. Az élettel való elégedettség jól ismert, az irodalomban széleskörűen dokumentált módon függ a jövedelemtől. Amennyiben az érettségizetteknek viszonylag magas a méretlen jövedelmük, úgy az elégedettségnek a mért adatokon alapuló becslése során az ő esetükben meg nem magyarázott többlet elégedettségnek kellene jelentkeznie. Ilyen többlet elégedettséget nem találtunk, sőt éppen az ellenkezője a helyzet: a magasabb iskolai végzettségűek esetében tapasztalhatunk többlet elégedettséget, mégpedig az iskolai végzettség előre haladtával egyre nagyobb mértékben. Ennek az is magyarázata lehet, hogy a magasabb iskolai végzettség egyéb tényezőkön keresztül hat az elégedettségre. Szisztematikusan megvizsgáltunk számos ilyen tényezőt. Megállapítottuk, hogy az egészségi állapot magyarázó változóként történő bevonásának hatására megszűnik az alapfokú végzettségűek és a szakmunkások közötti elégedettségi különbség. A társadalmi beágyazottságot, kapcsolatrendszert mérő változók bevonásának hatására pedig az érettségizettek és a szakmunkások közötti elégedettség különbség szűnik meg. Más szavakkal ez azt jelenti, hogy ha kontrollálunk a jövedelemre, aktivitásra, a foglalkoztatottak esetében a foglalkozási formára, az egészségi állapotra, a háztartás stabilitását, valamint különböző, a társadalmi beágyazottságot mérő változókra, akkor az elégedettségre nézve az alapfokú, a szakmunkás és az érettségivel rendelkező középfokú végzettség közötti különbségnek egyáltalán nincs hatása. Megmarad és egyáltalán nem elhanyagolható mértékű azonban a főiskolai és egyetemi végzettségnek az elégedettséget növelő hatása. Ez egyértelműen arra utal, hogy az ő esetükben még további olyan tényezők vannak, amelyek növelik elégedettségüket. Nagy valószínűséggel ezek közé tartozik a relatíve nagyobb méretlen jövedelem is. Eredményeink tehát azt támasztják alá, hogy a kiinduló hipotézis nem igaz, sőt nagy valószínűséggel éppen az ellenkezője áll fenn. A tanulmányban néhány, az alapkérdést nem érintő, de egyébként érdekes eredményre is jutottunk. Ezek közé tartozik, hogy a foglalkoztatottak körében az elégedettségre nem csak a háztartás rendelkezésre álló jövedelme, hanem ettől függetlenül a személyes jövedelem is hat az elégedettségre, annak ellenére, hogy a kétféle jövedelemnek magas a korrelációja. Ez a hatás részben a „nem hazaadott” keresetnek, részben annak tulajdonítható, hogy a keresetek a munkahelyi elismertség nagyságát is mérik.
A tanulmány alapján meg tudtuk erősíteni azt a korábbi megállapításunkat is, hogy a munkanélkülieknek, napszámból, alkalmi munkából élőknek, közhasznú munkásoknak, a hivatalos munkanélküli lét alatti segélyezetteknek vagy nincs érdemi mértékű méretlen jövedelmük, vagy ha van, akkor azt olyan mértékű önkizsákmányolással, egészségromlás árán tudják elérni, ami semlegesíti a megszerzett többletjövedelem elégdettség növelő hatását. Hivatkozások Binder, M. – Coad, A. (2008): An Examination of the Dynamics of Happiness Using Vector Auto-regressions, available at SSRN: http://ssrn.com/abstract=1301564, 2008, p. 1-28. Blanchflower, D. G. (2008): International Evidence on Well-being, IZA Discussion Paper No. 3354, 2008, p. 1-91. Blanchflower, D.G. – Oswald, A. J. (2004): Well-being over Time in Britain and the USA, Journal of Public Economics, 88, 7-8, 2004, pp. 1359-1386. Castriota, S. (2006): Education and Happiness: A Further Explanation to the Easterlin Paradox, manuscript, 2006, p. 1-21. Clark, A. E. (2003): Unemployment as a Social Norm: Psychological Evidence from Panel Data, Journal of Labour Economics, 21, 2, 2003, p. 323-351. Clark, A. E. (2009a): Work, Jobs and Well-being across the Millennium, IZA Discussion Paper No. 3940, January 2009, p. 1-44. Clark, A. E. (2009b): Boon or Bane? Others Unemployment, Well-being and Job Insecurity, IZA Discussion Paper No. 4209, June 2009, p. 1-23. Clark, A. E. – Oswald, A. J. (1994): Unhappiness and Unemployment, The Economic Journal, 104, 424, 1994, pp. 648-659. Clark, A. E. – Oswald, A. J. (1996): Satisfaction and Comparison Income, Journal of Public Economics, 1996, 61, 3, pp. 359-381. Clark, A. E. – Frijters, P. – Shields, M. A. (2008): Relative Income, Happiness, and Utility: An Explanation for the Easterlin Paradox and Other Puzzles, Journal of Economic Literature, 46, 1, 2008, pp. 95-144. Cseres-Gergely Zs. – Molnár Gy. (2008): Háztartási fogyasztói magatartás és jólét a rendszerváltás után Magyarországon, Közgazdasági Szemle, 2008, 55. évf., 2. szám, 107–135. o. Deaton, A. (2008): Income, Health, and Well-being around the World: Evidence from the Gallup World Poll, Journal of Economic Perspectives, 22, 2, 2008, pp. 53-72. Di Tella, R., MacCulloch, R. (2006): Some Uses of Happiness Data in Economics, Journal of Economic Perspectives, 20, 1, 2006, pp. 25-46.
Di Tella, R. – Haisken-De New, J. – MacCulloch, R. (2007): Happiness Adaptation to Income and to Status in an Individual Panel, NBER Working Paper 13159, 2007, p. 1-39. Di Tella, R. – MacCulloch, R. J. – Oswald, A. J. (2001): Preferences over Inflation and Unemployment: Evidence from Surveys of Happiness, American Economic Review, 91, 1, 2001, pp. 335-341. Dolan, P. – Peasgood, T. – White, M. (2008): Do We Really Know What Makes Us Happy? A Review of the Economic Literature on the Factors Associated with Subjective Wellbeing, Journal of Economic Psychology, 29, 2008, pp. 94-122. Easterlin, R. A. (1974): Does Economic Growth Improve the Human Lot? Some Empirical Evidence, In: Paul A. David and Melvin W. Reder (eds): Nations and Households in Economic Growth: Essays in Honor of Moses Abramowitz, New York: Academic Press, 1974, pp. 89-125. Easterlin, R. A. (2009): Lost in Transition: Life Satisfaction on the Road to Capitalism, Journal of Economic Behavior – Organization, 71, 2009, pp. 130-145. Ferrer-i-Carbonell, A. (2005): Income and Well-being: An Empirical Analysis of the Comparison Income Effect, Journal of Public Economics, 89, 2005, pp. 997-1019. Frijters, P. – Haisken-DeNew, J. P. – Shields, M. A. (2004): Money Does Matter! Evidence from Increasing Real Income and Life Satisfaction in East Germany Following Reunification, American Economic Review, Vol. 94, No. 3, June 2004, pp. 731-740. Frey, B. S. – Stutzer, A. (2002): Happiness – Economics, Princeton and Oxford: Princeton University Press, 2002, p.. Graham, C. – Pettinato, S. (2002): Frustrated Achievers: Winners, Losers and Subjective Well-being in New Market Economies, The Journal of Development Studies, 38, 4, 2002, pp. 100-140. Graham, C, – Fitzpatrick, M. (2002): Does Happiness Pay? An Exploration Based on Panel Data from Russia, The Brookings Institution, Center on Social and Economic Dynamics WP No. 24, 2002, p. 1-47. Guriev, S. – Zhuravskaya, E. (2009): (Un)Happiness in Transition, Journal of Economic Perspectives, Vol. 23, No. 2, 2009, pp. 143-168. Hayo, B. (2007): Happiness in Transition: An Empirical Study on Eastern Europe, Economic Systems, Vol. 31, No. 2, 2007. pp. available at SSRN: http://ssrn.com/abstract=998449. Hayo, B. and Seifert, W. (2003): Subjective Economic Well-being in Eastern Europe, Journal of Economic Psychology, 24, 3, 2003, pp.. Haller, M. – Hadler, M. (2006): How Social Relations and Structures Can Produce Happiness and Unhappiness: An International Comparative Analysis, Social Indicators Research, 75, 2006, pp. 169-216.
Headey, B. – Wooden, M. (2004): The Effects of Wealth and Income on Subjective Wellbeing and Ill-being, IZA Discussion paper No. 1032, February 2004, pp. 1-26. Layard, R. – Mayraz, G. – Nickell, S. (2008): The Marginal Utility of Income, Journal of Public Economics, 92, 2008, pp. 1846-1857. Lee, W.-S. – Oguzoglu, U. (2007): Well-being and Ill-being: A Bivariate Panel Data Analysis, IZA Discussion Paper No. 3108, October 2007, p. 1-24. Lelkes, O. (2006a): Tasting Freedom: Happiness, Religion and Economic Transition, Journal of Economic Behaviour and Organization, 59,2, 2006, pp. 173-194. Lelkes, O. (2006b): Knowing What is Good for You. Empirical Analysis of Personal Preferences and the “Objective Good”, The Journal of Socio-Economics, 35, 2006, pp. 285-307. Luttmer, E. F. P. (2005): Neighbours as Negatives: Relative Earnings and Well-being, The Quarterly Journal of Economics, 120, 3, 2005, pp. 963-1002. Molnár Gy. – Kapitány Zs. (2006): Mobilitás, bizonytalanság és szubjektív jóllét Magyarországon, Közgazdasági Szemle, 53. évf., 10. szám, 2006, 845-872. o. Molnár Gy. – Kapitány, Zs. (2007a): Mobility, Uncertainty and Subjective Well-being in Hungary, International Conference on Policies for Happiness, June 14-17, 2007, Siena, Certosa di Pontignano. 2007a, p. 1-44. http://www.unisi.it/eventi/happiness/curriculum/molnar.pdf Molnár Gy. – Kapitány Zs. (2007b): A jóléti ellátásban részesülők elégedettsége életükkel, anyagi helyzetükkel. In: Fazekas K. – Cseres-Gergely Zs. – Scharle Á. (szerk.): Munkaerőpiaci Tükör 2007b, MTA Közgazdaságtudományi Intézete és Országos Foglalkoztatási Közalapítvány, Budapest, 2007, 50-53. o. Powdthavee, N. (2003): Is the Sructure of Happiness Equations the Same in Poor and Rich Countries? The Case of South Africa, University of Warwick, 2003, p. 1-51. Sanfey, P. – Teksoz, U. (2007): Does Transition Make You Happy?, Economics of Transition, 15, 2007, pp. 707-731. Senik, C. (2005): Income Distribution and Well-being: What Can We Learn from Subjective Data?, Journal of Economic Surveys, 19,1, 2005, pp. 43-63. Senik, C. (2006): Ambition and Jealousy: Income Interactions in the ”Old” Europe versus the ”New” Europe and the United States, IZA Discussion Paper No. 2083, 2006, p. 1-40. Stutzer, A. (2004): The Role of Income Aspirations in Individual Happiness, Journal of Economic Behaviour and Organization, 54, 2004, pp. 89-109. Stevenson, B. – Wolfers, J. (2008): Happiness Inequality in the United States, Journal of Legal Studies, 37, 2, 2008, pp. 33-79.